具有复合损失函数的分割网络用于葡萄胎水肿病变识别
图像与视频处理
2022-04-12 v1 计算机视觉与模式识别
摘要
病理形态学诊断是葡萄胎的标准诊断方法。作为一种具有恶性潜能的疾病，葡萄胎水肿病变切片是诊断的重要依据。由于病变发育不全，早期葡萄胎难以区分，导致临床诊断准确率低。作为一种卓越的机器学习技术，图像语义分割网络已用于诸多医学图像识别任务。我们基于一种新颖损失函数与训练方法开发了葡萄胎水肿病变分割模型。该模型由在不同网络中对切片图像于像素级与病变级进行分割的部分构成。我们的复合损失函数对两级分割结果赋权以计算损失。进而提出一种分阶段训练方法，以结合不同层级各类损失函数的优势。我们在葡萄胎水肿数据集上评估了该方法。实验表明，所提模型配合我们的损失函数与训练方法在不同分割指标下均具良好识别性能。
引用
@article{arxiv.2204.04956,
title = {Segmentation Network with Compound Loss Function for Hydatidiform Mole Hydrops Lesion Recognition},
author = {Chengze Zhu and Pingge Hu and Xianxu Zeng and Xingtong Wang and Zehua Ji and Li Shi},
journal= {arXiv preprint arXiv:2204.04956},
year = {2022}
}