How Distance Transform Maps Boost Segmentation CNNs: An Empirical Study

20220523

JMLR2020
主要讲了下distance transform在医学图像分割的应用

方法

• 模型预测 distance map 的方法：使用轻量级的 head 或者单独的 decoder
  
• sdf
  

两大类利用方式：loss/auxiliary task

• loss

  • Boundary Loss
    知乎：JunMa
    

    如果prediction和label一致，loss为0。如果prediction比label小并被label包围，loss为负。
    知乎

  • Hausdorff distance loss

    Wiki：Hausdorff distance
    

    

    where $G_{DTM}$ and $S_{DTM}$denote the distance transform maps of ground truth G and predicted segmentation S, respectively

    思路还是距离远的 loss 给的权重大

  • $L_{sdf}$
    
    把 sdf 整成 dice 去做

    The SDF loss aims to penalize the output SDF with wrong sign

  • 最后，这仨都需要和 Dice 配合使用，否则都有不收敛问题

• Auxiliary Tasks
  就是 Fig 1。本是上能让 feature 学得更好

实验

• 左心室
  
  auxiliary 效果最好
• liver tumor CT
  
  boundary loss 效果最好

本文代码

欢迎在评论区指出问题！