简 述: 现有的基于深度学习的分割模型采用 pixel-wise
的 loss function
, 不利于网络学习分割目标的 拓扑形状信息。本文提出利用网络预测分割目标的形状,而非传统的 pixel-wise classification
。 作者训练Unet
产生 signed distance function (SDF)
, 然后将 SDF
转化到形状域( shape domain
), 并设计一个新 loss
, 在形状域计算预测误差。在 X
-光椎骨分割任务上做到了 SOTA
.
SPNet: Shape Prediction Using a Fully Convolutional Neural Network
网友评论