眼部图像多区域解剖分割的拓扑与交集-并集约束损失函数
计算机视觉与模式识别
2024-11-04 v1 图像与视频处理
摘要
眼部重症肌无力（OMG）是一种在早期阶段难以检测的罕见疾病，但其症状通常首先出现在眼肌上，例如眼睑下垂和复视。眼部图像可用于通过分割不同区域（如巩膜、虹膜和瞳孔）进行早期诊断，从而允许计算面积比以支持准确的医学评估。然而，目前尚无公开可用的数据集和工具来实现此目的。为此，我们提出了一种新的拓扑与交集-并集约束损失函数（TIU loss），可利用小规模训练数据集提升性能。我们在由 55 名受试者和 2,197 张图像组成的公开数据集上进行了实验。所提出的方法在三个深度学习网络上优于两种广泛使用的损失函数，在 95% bootstrap 置信区间下实现了平均 Dice 分数 83.12% [82.47%, 83.81%]。在低比例训练场景（训练数据的 10%）中，我们的方法相比基线实现了 8.32% 的 Dice 分数提升。此外，我们在临床环境中对 47 名受试者和 501 张图像进行了评估，Dice 分数为 64.44% [63.22%, 65.62%]。我们确实观察到在临床环境中应用模型时存在一定偏差。这些结果表明所提出的方法是准确的，我们的代码和训练模型已公开发布。
引用
@article{arxiv.2411.00560,
title = {Topology and Intersection-Union Constrained Loss Function for Multi-Region Anatomical Segmentation in Ocular Images},
author = {Ruiyu Xia and Jianqiang Li and Xi Xu and Guanghui Fu},
journal= {arXiv preprint arXiv:2411.00560},
year = {2024}
}
备注
5 pages, 4 figures, International Symposium on Biomedical Imaging 2025