骨架召回损失用于细管状结构连通性保持和资源高效分割

Apr, 2024

骨架召回损失用于细管状结构连通性保持和资源高效分割

Skeleton Recall Loss for Connectivity Conserving and Resource Efficient Segmentation of Thin Tubular Structures

Yannick Kirchhoff, Maximilian R. Rokuss, Saikat Roy, Balint Kovacs, Constantin Ulrich...

TL;DR提出了一种新的骨架召回损失，通过绕过昂贵的 GPU 计算，采用廉价的 CPU 操作，解决了薄结构分割中的计算和内存负担问题，并在保持拓扑性方面表现出卓越性能。

Abstract

Accurately segmenting thin tubular structures, such as vessels, nerves, roads or concrete cracks, is a crucial task in computer vision. Standard deep learning-based segmentation loss functions, such as Dice or Cr

thin tubular structures segmentation topology loss function multi-class segmentation

发现论文，激发创造

基于拓扑损失的级联多任务 U-Net 用于血管分割和中心线提取

本研究提出了一种基于深度学习的方法，用于血管分割和中心线提取，通过嵌入拓扑约束提高了预测结果的准确性。

Jul, 2023

clDice - 一种针对管状结构分割的新型保拓扑性损失函数

介绍了一种新的相似度度量方法 centerlineDice 以及通过基于相似度度量的训练方法 soft-clDice 实现了对管状结构，如血管和神经元等的更精确分割和更好的连通性信息提取。

Mar, 2020

基于骨架方法提高边界分割的拓扑准确性

为了提高分割结果的拓扑准确性，本文提出了一种新的损失函数 Skea-Topo Aware Loss，它考虑了每个对象的形状和像素的拓扑重要性，包括基于骨架的加权损失和基于边界修正的拓扑关键像素识别，实验证明我们的方法在三个不同的边界分割数据集上相比 13 种最先进的方法，通过客观和主观评估，提高了最多 7 个 VI 点的拓扑一致性。

Apr, 2024

计算机断层扫描图像中主动脉和大血管分割的拓扑感知损失

本文介绍了一种新的拓扑感知损失函数，通过计算地面实况和预测之间的持续性图的 Wasserstein 距离来惩罚两者之间的拓扑不相似性，实验证明该拓扑感知损失函数在计算机断层扫描图像的分割任务中得到了比其他方法更好的结果。

Jul, 2023

医学图像分割的结构连续性保持

该研究提出了一种基于图形的方法来处理医学影像中解剖拓扑的连续性和连通性问题，实验表明与传统方法相比，该方法在保持解剖形态连续性的同时，在连通性方面有显著的改进，而在分割度量方面表现更好或持平。

Apr, 2023

基于拓扑几何约束的动态蛇卷积用于管状结构分割

该论文提出一种 DSCNet 模型，通过使用动态蛇卷积、多视图特征融合与连续性约束函数来实现对拓扑管状结构进行精确分割的目标，并在 2D 和 3D 数据集上进行了验证与实验。

Jul, 2023

基于持久同调的拓扑损失函数用于心脏 MRI 多类别 CNN 分割

通过持续同源性，在所有可能的标签和标签对的基础上，构建拓扑损失函数，提高对于全局特征的分割性能，解决了数据集中的所有拓扑错误。

Aug, 2020

保持拓扑结构的深度图像分割

我们提出了一种新的学习方法，通过设计一个连续的价值损失函数来促进分割具有与真值相同的拓扑结构，即具有相同的 Betti 数，将其并入深度神经网络的端到端训练中，以在广泛的自然和生物医学数据集上实现更好的性能。

Jun, 2019

基于拓扑感知的超越像素级误差的分割方法

本文介绍了一个新的深度学习方法，使用新的损失函数和迭代优化策略来提高计算机视觉中曲线结构识别的精度，并在多种图像数据集上展示了优越性。

Dec, 2017

医学图像中基于拓扑准确的多类别分割

提出了一种通用的损失函数，用于在多类别分割中实现拓扑准确性，并通过在持久性条码上引入匹配概念进行优化，将多类别分割问题转化为单类别分割任务，从而实现了神经网络的快速训练，并在四个医学数据集上验证了该方法的有效性。

Mar, 2024