新生儿多模态 HIE 病灶分割：损失函数的比较研究
计算机视觉与模式识别
2025-02-14 v1
摘要
对新生儿脑缺血-缺氧综合征（HIE）病灶的 MRI 图像进行分割是一项关键但具有挑战性的任务，由于病灶呈 diffuse multifocal 形态且体积大小不一，以及 HIE 病灶注释数据集有限的 disponibility。本研究使用 BONBID-HIE 数据集，实现了带有优化预处理、数据增强和训练策略的 3D U-Net，以克服数据限制。本研究的目标是为 HIE 病灶分割任务识别最佳损失函数。为此，我们评估了 various loss functions，包括 Dice、Dice-Focal、Tversky、Hausdorff Distance（HausdorffDT）Loss 以及两种提出的复合 loss -- Dice-Focal-HausdorffDT 和 Tversky-HausdorffDT，以提升分割性能。结果表明，不同的 loss function 会预测出不同的分割掩码，复合 loss 在单一 loss 性能方面表现更佳。Tversky-HausdorffDT Loss 在 Dice 和 Normalized Surface Dice 分数方面取得最高成绩，而 Dice-Focal-HausdorffDT Loss 在 Mean Surface Distance 上表现最佳。这一工作强调了针对特定任务优化损失函数的重要性，表明将基于区域的损失与基于边界的损失组合可实现更精确的 HIE 病灶分割，即使在有限的训练数据下亦如此。
引用
@article{arxiv.2502.09148,
title = {Multimodal HIE Lesion Segmentation in Neonates: A Comparative Study of Loss Functions},
author = {Annayah Usman and Abdul Haseeb and Tahir Syed},
journal= {arXiv preprint arXiv:2502.09148},
year = {2025}
}