FocusSDF：基于符号距离监督的边界感知医学图像分割
计算机视觉与模式识别
2025-11-18 v1
摘要
医学图像分割是医学图像分析的重要组成部分，为临床实践中的精确诊断和高效治疗干预提供了基础。尽管取得了实质性进展，但大多数分割模型并未显式编码边界信息；因此，边界保持成为医学图像分割中一个持续存在的挑战。为解决这一挑战，我们引入了FocusSDF，一种基于符号距离函数（SDF）的新型损失函数，通过自适应地为更靠近病灶或器官边界的像素分配更高的权重，将网络的重心引导至边界区域，从而有效地实现边界感知。为严格验证FocusSDF，我们使用四种基于距离的损失函数，在涵盖脑动脉瘤、中风、肝脏和乳腺肿瘤分割任务以及多种成像模态的不同数据集上，对包括基础模型MedSAM在内的五种最先进的医学图像分割模型进行了广泛评估。实验结果一致表明，FocusSDF在性能上优于现有的基于距离变换的损失函数。
引用
@article{arxiv.2511.11864,
title = {FocusSDF: Boundary-Aware Learning for Medical Image Segmentation via Signed Distance Supervision},
author = {Muzammal Shafique and Nasir Rahim and Jamil Ahmad and Mohammad Siadat and Khalid Malik and Ghaus Malik},
journal= {arXiv preprint arXiv:2511.11864},
year = {2025}
}