一种用于病灶分割的改进注意力 U-Net 的新型 Focal Tversky 损失函数
计算机视觉与模式识别
2018-10-19 v1
摘要
我们提出一种基于 Tversky 指数的广义 focal 损失函数，以解决医学图像分割中的数据不平衡问题。与常用的 Dice 损失相比，我们的损失函数在训练病灶等小结构时，在精确率与召回率之间取得了更好的权衡。为评估我们的损失函数，我们通过引入图像金字塔以保留上下文特征来改进注意力 U-Net 模型。我们在 BUS 2017 数据集和 ISIC 2018 数据集上实验，其中病灶分别占据图像面积的 4.84% 和 21.4%，与标准 U-Net 相比分割精度分别提高了 25.7% 和 3.6%。
引用
@article{arxiv.1810.07842,
title = {A Novel Focal Tversky loss function with improved Attention U-Net for lesion segmentation},
author = {Nabila Abraham and Naimul Mefraz Khan},
journal= {arXiv preprint arXiv:1810.07842},
year = {2018}
}
备注
submitted to 2019 IEEE International Symposium on Biomedical Imaging (ISBI)