Code: https://github.com/c-feng/DirectionalFeature
Motivation
心脏MRI边界不清晰，强度分布不均匀，类间模糊，类内不一致。
nnUNet虽然有State-of-the-art性能，但需要消耗大量内存和计算量。
本文提出在方向信息指导下对原始分割特征进行改进，以更好实现对心脏MRI的分割。
Methods
提出了一种简单而有效的方法来利用像素之间的方向关系，它可以同时增强类之间的差异和类内的相似性。
DF Module to Learn a Direction Field
前景元素计算像素点到边界点的单位向量，背景设定为0。 \[ D F(p)=\left\{\begin{array}{ll} \frac{\overrightarrow{b p}}{|\overrightarrow{b p}|} & p \in \text { foreground } \\ (0,0) & \text { otherwise. } \end{array}\right. \]
FRF Module for Feature Rectifification and Fusion
在方向向量的指导下，提出了一个特征校正与融合（FRF）模块，利用中心区域的特性，逐步校正初始分割特征图中的错误。 \[
\forall p \in \Omega, F^{k}(p)=F^{(k-1)}\left(p_{x}+D F(p)_{x}, p_{y}+D F(p)_{y}\right)
\] 
Training Objective
\[ L_{D F}=\sum_{p \in \Omega} w(p)\left(\|D F(p)-\hat{D} F(p)\|_{2}+\alpha \times\left\|\cos ^{-1}\langle D F(p), \hat{D} F(p)\rangle\right\|^{2}\right) \]
\[ L=L_{CE}^i+L_{CE}^{f}+\lambda L_{DF} \]
Experiments
