面向医学图像分割的分布感知边界校准
计算机视觉与模式识别
2020-11-04 v1
摘要
Jaccard 指数，又称交并比（IoU 分数），是医学图像分割中最关键的评价指标之一。然而，直接优化多个目标类别上的平均 IoU（mIoU）分数仍是一个开放问题。尽管已有一些算法被提出以优化其替代损失，但其泛化能力并无保证。本文提出一种新颖的数据分布感知边界校准方法，基于严格下界，实现 mIoU 在整个数据分布上的更好泛化。该方案在实践中确保了更优的 IoU 分数分割性能。我们在两个医学图像分割数据集上评估了所提边界校准方法的有效性，结果表明其 IoU 分数相较其他使用深度分割模型的学习方案有实质性提升。
引用
@article{arxiv.2011.01462,
title = {Distribution-aware Margin Calibration for Medical Image Segmentation},
author = {Zhibin Li and Litao Yu and Jian Zhang},
journal= {arXiv preprint arXiv:2011.01462},
year = {2020}
}