基于持续同调拓扑损失的 CNN 心脏磁共振多类分割
图像与视频处理
2022-09-09 v2 计算机视觉与模式识别
摘要
心脏磁共振（CMR）图像的多类分割旨在将数据分离为具有已知结构与构型的解剖组件。最流行的基于 CNN 的方法使用逐像素损失函数优化，忽略了表征解剖的空间扩展特征。因此，尽管与真值具有高度空间重叠，推断的基于 CNN 的分割可能缺乏连贯性，包括伪造成分、孔洞与空隙。此类结果不合理，违背了预期的解剖拓扑。对此，已提出（单类）基于持续同调的损失函数以捕获全局解剖特征。我们的工作将这些方法扩展到多类分割任务。通过构建所有类标签与类标签对的丰富拓扑描述，我们的损失函数在基于 CNN 的后处理框架中实现了可预测且在统计上显著的分割拓扑改进。我们还提出（并公开）一种基于立方复形与并行执行的高效实现，首次使其在高分辨率 3D 数据中的实际应用成为可能。我们在 2D 短轴与 3D 全心 CMR 分割上展示了我们的方法，对两个公开数据集上的性能进行了详细而忠实的进阶分析。
引用
@article{arxiv.2107.12689,
title = {A persistent homology-based topological loss for CNN-based multi-class segmentation of CMR},
author = {Nick Byrne and James R Clough and Isra Valverde and Giovanni Montana and Andrew P King},
journal= {arXiv preprint arXiv:2107.12689},
year = {2022}
}
备注
Version accepted for publication in IEEE Transactions on Medical Imaging