0%

【2020 MICCCAI】Universal Loss Reweighting to Balance Lesion Size Inequality in 3D Medical Image Segmentation

Code: https://github.com/neuro-ml/inverse_weighting

Motivation

医学图像分割任务中,目标不平衡问题非常常见,主要分为两类:

  • 类别不平衡:正样本(lesion)与负样本(no-lesion)的pixel数量存在极大不平衡
  • 病灶大小不平衡:一个图像中有多个病灶时,大的病灶会遮盖住小的病灶

本文针对第二点进行改进。

已有主要思想是为损失函数增加权重以平等地代表每个类别,这种方法主要关注病变类型,而不关注病变的大小。

Methods

提出一种称为反向加权inverse weighting (iw)的方法。 wj=k=0K|Lk|(K+1)|Lj| 为每一个incoming patch生成一个向量权重,将相应的ground-truth patch分出K+1个连接块,L0,...,LK,其中L0为无病变区域(背景),K为当前病灶的数量。wj为权重,分配给相应分量Lj内每个voxel。分母中的常量确保权重之和等于相同大小的单位张量的总和。

Experiments

来发评论吧~
Powered By Valine
v1.5.2