用于医学和口腔医学图像的序数语义分割
计算机视觉与模式识别
2026-03-31 v1 人工智能
摘要
语义分割是将每个像素分配给预定义类别的语义标签的过程。这一过程有助于理解物体的外观和空间关系，在图像内容的整体解释中发挥着重要作用。尽管现代深度学习方法取得了高准确率，但它们常常忽略类别之间的序数关系，这种关系可能对场景解释包含重要的领域知识。本文研究了纳入序数关系到深度神经网络中的损失函数，以促进语义分割任务中更大的语义一致性。这些损失函数分为单模态、准单模态和空间三类。单模态损失函数根据类别排序约束预测概率分布，而准单模态损失函数通过允许小幅变动但保持序数一致性来松化这一约束。空间损失函数对相邻像素之间的语义不一致进行惩罚，鼓励图像空间中的平滑过渡。特别是，本研究将最初用于序数分类的损失函数适用于序数语义分割。其中，扩展均方误差 (EXP_MSE)、准单模态损失 (QUL) 以及基于信号距离函数的接触面损失 (CSSDF) 均被研究。这些方法在医学成像中的结果显示出前景，提高了鲁棒性、泛化能力和解剖一致性。
引用
@article{arxiv.2603.26736,
title = {Ordinal Semantic Segmentation Applied to Medical and Odontological Images},
author = {Mariana Dória Prata Lima and Gilson Antonio Giraldi and Jaime S. Cardoso},
journal= {arXiv preprint arXiv:2603.26736},
year = {2026}
}
备注
23 pages, 1 figure