clDice——一种用于管状结构分割的保拓扑损失函数
计算机视觉与模式识别
2022-07-18 v7 机器学习
图像与视频处理
摘要
血管、神经元或道路等管状网络结构的精确分割与许多研究领域相关。对于此类结构，拓扑是其最重要的特征；尤其是保持连通性：在血管网络中，遗漏一条连通血管会完全改变血流动力学。我们引入一种称为 centerlineDice（简称 clDice）的新相似度度量，其计算基于分割掩码与其（形态学）骨架的交集。我们从理论上证明 clDice 在二值 2D 和 3D 分割中保证直至同伦等价的拓扑保持。在此基础上，我们提出一种计算高效、可微分的损失函数（soft-clDice），用于训练任意神经分割网络。我们在五个公开数据集（包括血管、道路和神经元，2D 与 3D）上对 soft-clDice 损失进行基准测试。基于 soft-clDice 的训练可得到具有更准确连通性信息、更高图相似度以及更好体积分数的分割结果。
引用
@article{arxiv.2003.07311,
title = {clDice -- A Novel Topology-Preserving Loss Function for Tubular Structure Segmentation},
author = {Suprosanna Shit and Johannes C. Paetzold and Anjany Sekuboyina and Ivan Ezhov and Alexander Unger and Andrey Zhylka and Josien P. W. Pluim and Ulrich Bauer and Bjoern H. Menze},
journal= {arXiv preprint arXiv:2003.07311},
year = {2022}
}
备注
* The authors Suprosanna Shit and Johannes C. Paetzold contributed equally to the work