增强医学图像分割中的前景边界
图像与视频处理
2020-06-01 v1 计算机视觉与模式识别
摘要
目标分割在现代医学图像分析中发挥着重要作用，有利于临床研究、疾病诊断和手术规划。鉴于医学图像的多种模态，已采用自动或半自动分割方法来识别与解析器官、骨骼、肿瘤及其他感兴趣区域(ROI)。然而，由于成像过程中产生的模糊外观对比，这些当代分割方法往往无法准确预测ROI的边界区域。为进一步提升边界区域的分割质量，我们提出一种边界增强损失，以在优化机器学习模型时施加额外约束。所提出的损失函数轻量且易于实现，无需任何预处理或后处理。实验结果验证了在分割准确率方面，我们的损失函数优于或至少不亚于其他SOTA损失函数。
引用
@article{arxiv.2005.14355,
title = {Enhancing Foreground Boundaries for Medical Image Segmentation},
author = {Dong Yang and Holger Roth and Xiaosong Wang and Ziyue Xu and Andriy Myronenko and Daguang Xu},
journal= {arXiv preprint arXiv:2005.14355},
year = {2020}
}