Dynamic Snake Upsampling Operater and Boundary-Skeleton Weighted Loss for Tubular Structure Segmentation

要約

尿細管トポロジー構造（亀裂や血管系など）の正確なセグメンテーションは、さまざまな分野で重要であり、信頼できる下流の定量分析とモデリングを保証します。
ただし、セマンティックセグメンテーションや超解像度などの密な予測タスクでは、従来のアップサンプリングオペレーターは管状構造の細長さと形態の曲率に対応することはできません。
このペーパーでは、動的なヘビのアップサンプリング演算子と、トポロジーチューブラー構造に合わせた境界骨格の加重損失を紹介します。
具体的には、適応マップに従ってサンプリングストライドを動的に調整し、蛇行パスに沿ったサブピクセルサンプリングポイントのセットを選択し、より正確なサブピクセルレベルの特徴回復を有効にするサブピクセルサンプリングポイントを選択して、サンプリングストライドを動的に調整します。
一方、マスクのクラス比と距離フィールドに基づいて本体と境界重量の割り当てを取引する骨格から境界の増加した加重損失を提案し、ターゲットトポロジーの連続性と境界アライメント精度に焦点を合わせながら、本体の重複を維持します。
さまざまなドメインデータセットとバックボーンネットワークの実験は、このプラグアンドプレイのダイナミックスネークアップサンプリングオペレーターと境界スキレトンの加重損失の両方のピクセルごとのセグメンテーション精度と結果のトポロジー一貫性の両方をブーストすることを示しています。

要約(オリジナル)

Accurate segmentation of tubular topological structures (e.g., fissures and vasculature) is critical in various fields to guarantee dependable downstream quantitative analysis and modeling. However, in dense prediction tasks such as semantic segmentation and super-resolution, conventional upsampling operators cannot accommodate the slenderness of tubular structures and the curvature of morphology. This paper introduces a dynamic snake upsampling operators and a boundary-skeleton weighted loss tailored for topological tubular structures. Specifically, we design a snake upsampling operators based on an adaptive sampling domain, which dynamically adjusts the sampling stride according to the feature map and selects a set of subpixel sampling points along the serpentine path, enabling more accurate subpixel-level feature recovery for tubular structures. Meanwhile, we propose a skeleton-to-boundary increasing weighted loss that trades off main body and boundary weight allocation based on mask class ratio and distance field, preserving main body overlap while enhancing focus on target topological continuity and boundary alignment precision. Experiments across various domain datasets and backbone networks show that this plug-and-play dynamic snake upsampling operator and boundary-skeleton weighted loss boost both pixel-wise segmentation accuracy and topological consistency of results.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google