用于深度多发性硬化病灶分割的几何损失
计算机视觉与模式识别
2023-11-28 v1 图像与视频处理
摘要
多发性硬化（MS）病灶仅占脑体积的一小部分，并且在形状、大小和位置方面具有异质性，这给训练基于深度学习的分割模型带来了巨大挑战。我们提出了一种新的几何损失公式，以解决数据不平衡问题并利用MS病灶的几何特性。我们表明，传统的基于区域和边界感知的损失函数都可以与该公式相关联。我们进一步开发并实例化了两个包含病灶区域一阶和二阶几何信息的损失函数，以在优化深度分割模型时实施正则化。在两个具有不同规模、采集协议和分辨率的MS病灶数据集上的实验结果表明，与其他最先进的方法相比，我们提出的方法具有优越性。
引用
@article{arxiv.2009.13755,
title = {Geometric Loss for Deep Multiple Sclerosis lesion Segmentation},
author = {Hang Zhang and Jinwei Zhang and Rongguang Wang and Qihao Zhang and Susan A. Gauthier and Pascal Spincemaille and Thanh D. Nguyen and Yi Wang},
journal= {arXiv preprint arXiv:2009.13755},
year = {2023}
}
备注
5 pages, three figures