基于持续同调的拓扑损失函数用于心脏 MRI 的多类 CNN 分割
图像与视频处理
2020-08-24 v1 计算机视觉与模式识别
摘要
就空间重叠而言，基于 CNN 的短轴心血管磁共振（CMR）图像分割已达到与观察者间差异一致的性能水平。然而，常规训练流程常依赖于逐像素损失函数，限制了针对扩展或全局特征的优化。因此，推断出的分割可能缺乏空间连贯性，包含伪连通分量或孔洞。此类结果不合理，违背了图像分割段预期的拓扑结构，而该拓扑通常为先验已知。针对此挑战，已有文献采用持续同调，构建拓扑损失函数以将图像分割段与显式先验进行比较。通过考虑所有可能的标签及标签对来构建更丰富的分割拓扑描述，我们将这些损失扩展至多类分割任务。这些拓扑先验使我们能在 ACDC 短轴 CMR 训练数据集中一个含 150 例的子集上解决所有拓扑错误，且不牺牲重叠性能。
引用
@article{arxiv.2008.09585,
title = {A persistent homology-based topological loss function for multi-class CNN segmentation of cardiac MRI},
author = {Nick Byrne and James R. Clough and Giovanni Montana and Andrew P. King},
journal= {arXiv preprint arXiv:2008.09585},
year = {2020}
}
备注
To be presented at the STACOM workshop at MICCAI 2020