VAFO-Loss：面向视网膜动脉/静脉分割的血管特征优化损失函数
图像与视频处理
2022-04-12 v1 计算机视觉与模式识别
摘要
在血管分割后估计临床相关血管特征是视网膜血管分析的标准流程，其为眼科疾病与全身性疾病提供了潜在的眼部生物标志物。本文中，我们将这些临床特征整合进一种新颖的血管特征优化损失函数（VAFO-Loss），以正则化网络生成分割图，从而可推导出更精确的血管特征。血管密度与分形维数这两种常见血管特征被确认对分割内误分类敏感，而后者是多类动脉/静脉分割中公认的问题，尤其阻碍这些血管特征的估计。因此我们将其编码入 VAFO-Loss。我们首先表明，在标准分割网络中引入端到端 VAFO-Loss 确实改善了血管特征估计，在卒中发生率预测这一临床下游任务中取得量化提升。我们还报告了一个技术上有趣的发现：经 VAFO-Loss 偏置训练的分割网络，相较于使用其他最先进分割损失训练的网络，在分割指标上表现出统计显著的提升。
引用
@article{arxiv.2203.06425,
title = {VAFO-Loss: VAscular Feature Optimised Loss Function for Retinal Artery/Vein Segmentation},
author = {Yukun Zhou and Moucheng Xu and Yipeng Hu and Stefano B. Blumberg and An Zhao and Siegfried K. Wagner and Pearse A. Keane and Daniel C. Alexander},
journal= {arXiv preprint arXiv:2203.06425},
year = {2022}
}
备注
13 pages, 6 figures, 3 tables