利用持续同调为基于深度学习的图像分割引入显式拓扑先验
计算机视觉与模式识别
2019-01-30 v1
摘要
我们提出了一种将拓扑先验知识显式地纳入基于深度学习的分割中的新方法，据我们所知，这是首个这样做的工作。我们的方法利用来自拓扑数据分析的工具——持续同调——来捕捉分割结果的高层拓扑特征，其相对于被赋予给定类别的逐像素概率是可微的。拓扑先验知识由分割所期望的 Betti 数序列构成。作为概念验证，我们将该方法应用于 UK Biobank 数据集中 500 名受试者的心脏 MR 图像左心室分割问题，结果表明其在不牺牲逐像素精度的前提下，于拓扑正确性方面提升了分割性能。
引用
@article{arxiv.1901.10244,
title = {Explicit topological priors for deep-learning based image segmentation using persistent homology},
author = {James R. Clough and Ilkay Oksuz and Nicholas Byrne and Julia A. Schnabel and Andrew P. King},
journal= {arXiv preprint arXiv:1901.10244},
year = {2019}
}
备注
12 pages