缓解类间梯度不平衡以改善肺部气道分割
图像与视频处理
2021-04-30 v2 计算机视觉与模式识别
摘要
自动化气道分割是肺部介入术前诊断与术中导航的先决条件。由于外周支气管尺寸小且空间分布分散，前景与背景区域之间的严重类不平衡阻碍了基于CNN的方法解析远端小气道。本文中，我们证明该问题由邻域体素的梯度侵蚀与扩张引起。在反向传播过程中，若前景梯度与背景梯度之比很小且类不平衡是局部的，则前景梯度会被其邻域侵蚀。该过程累积地增加了从顶层到底层的梯度流中所包含的噪声信息，限制了CNN对小结构的学习。为缓解此问题，我们采用分组监督及相应的WingsNet来提供互补梯度流以增强浅层训练。为进一步解决大气道与小气道之间的类内不平衡，我们设计了一种General Union损失函数，该函数通过基于距离的权重消除气道尺寸的影响，并基于学习过程自适应地调节梯度比。在公开数据集上的大量实验表明，所提方法比基线能更准确地预测气道结构且具有更好的形态学完整性。
引用
@article{arxiv.2011.11952,
title = {Alleviating Class-wise Gradient Imbalance for Pulmonary Airway Segmentation},
author = {Hao Zheng and Yulei Qin and Yun Gu and Fangfang Xie and Jie Yang and Jiayuan Sun and Guang-zhong Yang},
journal= {arXiv preprint arXiv:2011.11952},
year = {2021}
}