ITSRS:基于医疗图像分割的协同区域结构信息的反向泰勒序列适应性损失.
Rui Han1, Zhiming Cheng2, Jianxiang Zhao1
1School of Cyberspace Security, Hangzhou Dianzi University, Hangzhou, 310018, China.
Journal of imaging informatics in medicine
|February 26, 2026
概括
一个新的逆泰勒协同区域结构 (ITSRS) 损失函数通过平衡区域细节和全球结构来改善医疗图像细分. 这种方法提高了各种数据集的准确性和稳定性,优于现有的损失函数.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 准确的医学图像细分对于诊断和治疗至关重要.
- 全球损失函数与无关区域扎,而特定区域的损失可能会失去结构上下文.
- 现有的方法在平衡区域特异性和全球连续性方面面临挑战.
研究的目的:
- 引入一种新的损失函数,即逆泰勒协同区域结构 (ITSRS) 损失,用于增强医疗图像细分.
- 解决区域特异性与细分中的全球结构关系之间的权衡问题.
- 为了适应性地优化超参数以提高细分精度.
主要方法:
- 设计了一个协同区域结构 (SRS) 损失函数,使用重叠的本地区域来保持区域和全球连续性.
- 开发了一个基于反向泰勒 (IT) 的适应机制来改进SRS,形成ITSRS.
- 利用反向泰勒扩展来适应假阳性和假阴性的平衡,增强稳定性和结构意识.
主要成果:
- 在六个医学图像细分数据集中,ITSRS表现出更好的性能.
- 在Kvasir-SEG中,平均Dice从83.03%增加到87.15%,HD95从6.826降低到6.464.
- 在准确性和稳定性方面,ITSRS始终优于现有的损失函数.
结论:
- 拟议的ITSRS损失函数有效平衡区域和结构信息,以实现更优质的医疗图像细分.
- ITSRS提供了更好的稳定性,对数据不平衡的响应能力,以及细粒度的结构意识.
- ITSRS代表了医疗图像细分损失功能的重大进步,适用于各种模式和任务.


