基于弹性相互作用的损失函数用于医学图像分割
图像与视频处理
2022-10-10 v2 计算机视觉与模式识别
摘要
深度学习技术已在医学图像分割中展现出成功，因其易于操作且对各类数据集具有鲁棒性。深度分割任务中常用的损失函数是逐像素损失函数。这导致这些模型在对生物医学图像中复杂结构实现高精度时遇到瓶颈。例如，在逐像素损失监督下，视网膜图像中预测的小血管常出现断裂甚至遗漏。本文通过引入一种基于长距离弹性相互作用的训练策略来解决该问题。在该策略中，卷积神经网络（CNN）在实际目标边界与预测区域边界之间的弹性相互作用能量引导下学习目标区域。在所提损失监督下，预测区域边界被目标边界强烈吸引并趋于保持连接。实验结果表明，在三个视网膜血管分割数据集DRIVE、STARE和CHASEDB1上，我们的方法相比常用的逐像素损失函数（交叉熵和dice损失）及其他近期损失函数均取得了可观的提升。
引用
@article{arxiv.2007.02663,
title = {An Elastic Interaction-Based Loss Function for Medical Image Segmentation},
author = {Yuan Lan and Yang Xiang and Luchan Zhang},
journal= {arXiv preprint arXiv:2007.02663},
year = {2022}
}