面向医学图像分割的边界差并比损失
图像与视频处理
2023-08-02 v1 计算机视觉与模式识别
摘要
医学图像分割对于临床诊断至关重要。然而，当前用于医学图像分割的损失主要关注整体分割结果，较少有损失被提出以引导边界分割。现有那些损失往往需与其他损失结合使用且效果欠佳。为解决此问题，我们提出了一种简单有效的损失函数，称为边界差并比损失（Boundary DoU Loss），用于引导边界区域分割。该损失通过计算预测与真值之差集与差集和局部交集之并的比值得来。我们的损失仅依赖区域计算，易于实现且训练稳定，无需任何额外损失。此外，我们利用目标尺寸自适应调整施加于边界区域的注意力。在 ACDC 和 Synapse 两个数据集上使用 UNet、TransUNet 和 Swin-UNet 的实验结果证明了我们所提损失函数的有效性。代码见 https://github.com/sunfan-bvb/BoundaryDoULoss。
引用
@article{arxiv.2308.00220,
title = {Boundary Difference Over Union Loss For Medical Image Segmentation},
author = {Fan Sun and Zhiming Luo and Shaozi Li},
journal= {arXiv preprint arXiv:2308.00220},
year = {2023}
}
备注
MICCAI 2023