Apr, 2023

使用基于实例和实例中心的分割损失函数提高生物医学图像中不同大小对象的分割

PDF
TL;DR本文提出了一种新的生物医学图像分割任务的两组分损失函数，称为实例和实例中心（ICI）损失，该损失函数解决了常常使用像素损失函数（如 Dice 损失）时遇到的实例不平衡问题。ICI 的实例部分改进了具有大型和小型实例的图像数据集中 “Blob” 的小实例检测。实例中心组件提高了整体检测精度。笔者将 ICI 损失与已有的 Dice 损失和 Blob 损失进行了比较，用于 MICCAI 2022 的 ATLAS R2.0 挑战数据集的卒中损伤分割任务。相对于其他损失，ICI 损失提供了更平衡的分割，并在验证集和测试集上的 Dice 相似系数方面比 Dice 损失提高了 1.7-3.7％，比 Blob 损失提高了 0.6-5.0％，这表明 ICI 损失是解决实例不平衡问题的潜在解决方案。
发现论文，激发创造
  • Combo Loss: 处理多器官分割中的输入和输出不平衡

    本文介绍了一种基于新的课程学习的损失函数来处理深度多器官分割网络中的输入和输出不平衡问题，并在三个数据集上进行了实验，结果表明，该网络架构可以优于现有的技术。

    May, 2018

  • 血管分割的中心线边界 Dice 损失

    中心线边界 Dice（cbDice）损失函数结合了拓扑完整性与几何细节，通过融合边界感知方面来改善几何细节识别，通过基于掩码距离的方法与边界差异联合（B-DoU）损失功能相匹配，提高对平移的敏感性，并借助血管骨架的半径信息实现对血管直径变化的均匀适应，保持分支生长和断裂的平衡。在三个不同的血管分割数据集上验证了 cbDice 的功效，包括二维和三维、二分类和多分类分割。特别是在 MICCAI 2023 TopCoW 挑战数据集中，与 cbDice 集成的方法表现出色。

    Jul, 2024

  • 广义 Dice 重叠作为高度不平衡分割的深度学习损失函数

    本论文针对 2D 和 3D 分割任务中出现的标签不平衡问题，探究了几种损失函数（如加权交叉熵函数、敏感度函数、Dice 损失函数）的表现及其对学习率的敏感性，并提出使用广义 Dice 重叠作为一个强韧而准确的损失函数，来实现在不平衡任务中的类别重新平衡。

    Jul, 2017

  • 使用 3D 完全卷积深度神经网络进行图像分割的 Tversky 损失函数

    本文提出了一种基于 Tversky 指数的损失函数来解决数据不平衡问题，在多发性硬化磁共振图像分割中实现更好的精确度和召回率，实验结果表明 Tversky 损失函数作为广义框架可以有效地训练深度神经网络。

    Jun, 2017

  • 医学图像分割的优化：在评估 Dice 分数或 Jaccard 指数时的理论和实践

    本文探讨了利用度量敏感损失函数训练卷积神经网络在分割任务中优于基于交叉熵损失函数的效果，特别是在关注分割性能度量指标如 Dice 分数和 Jaccard 指数时，採用度量敏感损失函数效果更好的结论。

    Oct, 2020

  • 一种新的以焦点 Tversky 目标函数为基础的改进型 Attention U-Net 用于病灶分割

    提出了一种基于 Tversky 指数的广义 focal loss 函数来解决医学图像分割中数据不平衡的问题。在小的结构如病变方面，相较于常用的 Dice loss，我们的损失函数在精确率和召回率之间取得了更好的平衡。通过在图像金字塔中加入上下文特征，改进了 Attention U-Net 模型的性能，针对 BUS 2017 数据集和 ISIC 2018 数据集进行的实验结果显示，在占图像面积的 4.84% 和 21.4% 的情况下，与标准 U-Net 相比，分割精度分别提高了 25.7% 和 3.6%。

    Oct, 2018

  • 遥感图像语义分割的边界损失

    通过使用一种新的可微分度量替代传统分割损失函数，我们提出了一种新的分割边界检测方法，该方法在监督二进制分割任务中准确地提取出现具有精确定义的多个类的边界，并在 ISPRS 波茨坦、INRIA AIL 等数据集上使用验证，最终的结果表明，该方法提高了 IoU 分数，优于基线方法。

    May, 2019

  • 语义分割损失函数综述

    本文介绍了广泛用于图像分割的知名损失函数，并列出了能够帮助模型快速优化的情况。同时，我们还介绍了一种新的 Log-cosh Dice 损失函数，并与广泛使用的损失函数在 NBFS 颅骨分割开源数据集上进行了比较。我们还展示了某些损失函数在所有数据集上表现良好，并可作为未知数据分布情况下的良好基准选择。欲了解更多信息，请访问 Github 链接。

    Jun, 2020

  • 混乱细胞实例分割的多类加权损失

    提出了一种新的多类别加权损失函数，用于分割混杂细胞，其中采用了两个权重映射，不仅考虑到类不平衡和细胞几何形状，还使用了 U-Net 进行训练，并且在 T 细胞的显微镜图像上验证了其优越性。

    Feb, 2018

  • 具有判别性损失函数的语义实例分割

    本文提出利用判别式损失函数的像素级卷积神经网络来实现简单的图像实例分割，不需要借助物体提议或循环机制，仅仅通过一个后处理步骤即可完成聚类，简单有效且具有竞争性。

    Aug, 2017