基于形状感知损失的深度距离图回归网络用于不平衡医学图像分割
图像与视频处理
2025-01-17 v1 计算机视觉与模式识别
摘要
小目标分割（如肿瘤分割）是医学图像分析领域中的一项困难且关键的任务。尽管深度学习方法已取得显著成果，但它们局限于使用二值分割掩码。灵感来自二值分割掩码与距离图之间的严格映射关系，我们采用距离图作为新的 ground truth，并设计网络计算距离图。具体而言，我们提出了一种新的分割框架，将现有的二值分割网络与轻量级回归网络（称为 LR-Net）集成在一起。因此，LR-Net 可将距离图计算转化为回归任务，充分利用距离图的丰富信息。此外，我们通过将距离图用作惩罚图来推导形状感知损失，以推断物体的完整形状。我们在 MICCAI 2017 肝脏肿瘤分割挑战数据集和临床数据集上进行评估。实验结果表明，我们的方法优于基于分类的方法以及其他现有最先进技术。
引用
@article{arxiv.2501.09116,
title = {Deep Distance Map Regression Network with Shape-aware Loss for Imbalanced Medical Image Segmentation},
author = {Huiyu Li and Xiabi Liu and Said Boumaraf and Xiaopeng Gong and Donghai Liao and Xiaohong Ma},
journal= {arXiv preprint arXiv:2501.09116},
year = {2025}
}
备注
Conference