用于导管与导丝分割的形状敏感损失

我们提出了一种用于导管和导丝分割的形状敏感损失函数，并将其用于视觉Transformer网络，在大规模X射线图像数据集上取得了新的最先进结果。我们将网络生成的预测及其对应真值转换为有符号距离图（SDM），从而使任何网络都能聚焦于关键边界而非仅仅是整体轮廓。这些SDM被送入视觉Transformer，高效生成封装关键图像属性的高维特征向量。通过计算这些特征向量间的余弦相似度，我们获得了对图像相似性的细致理解，超越了传统基于重叠度量的局限。我们方法的优势是多方面的，从尺度与平移不变性到对细微差异的优越检测，从而确保图像中医疗器械的精确定位与勾画。全面的定量与定性分析证实了相较现有基线的性能显著提升，展示了我们新形状敏感损失函数在改进导管与导丝分割方面的潜力。