Noisy Image Segmentation With Soft-Dice

要約

タイトル：ソフト-Diceを用いたノイズ画像セグメンテーション

要約：

– 本論文では、医療画像セグメンテーションで最もポピュラーな損失関数の1つであるソフト-Diceのノイズが存在する場合の研究を行っている。
– 特に、最適解の集合を特徴づけ、これらの解の体積バイアスについて鋭い境界を提供している。
– さらに、ソフトセグメンテーションの数列が、閾値処理を用いてハードセグメンテーションに変換された場合、最適なDiceに収束することも示されている。
– これは、ソフト-DiceがDice指標を最大化するための代理指標としてしばしば使用されるため、重要な結果である。
– 最後に、理論的結果を確認する実験結果も提供されている。

要約(オリジナル)

This paper presents a study on the soft-Dice loss, one of the most popular loss functions in medical image segmentation, for situations where noise is present in target labels. In particular, the set of optimal solutions are characterized and sharp bounds on the volume bias of these solutions are provided. It is further shown that a sequence of soft segmentations converging to optimal soft-Dice also converges to optimal Dice when converted to hard segmentations using thresholding. This is an important result because soft-Dice is often used as a proxy for maximizing the Dice metric. Finally, experiments confirming the theoretical results are provided.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI