醫(yī)學圖像分割算法的損失函數(shù)綜述

摘要： 基于深度學習的醫(yī)學圖像分割方法已經(jīng)成為了醫(yī)學圖像處理領(lǐng)域的強大工具。由于醫(yī)學圖像的特殊性質(zhì)，基于深度學習的圖像分割算法面臨樣本不平衡、邊緣模糊、假陽性、假陰性等問題，針對這些問題，研究人員大多對網(wǎng)絡(luò)結(jié)構(gòu)進行改進，而很少從非結(jié)構(gòu)化方面做出改進。損失函數(shù)是基于深度學習的分割方法中重要的組成部分，對損失函數(shù)的改進可以從根源上提高網(wǎng)絡(luò)的分割效果，并且損失函數(shù)與網(wǎng)絡(luò)結(jié)構(gòu)無關(guān)，可以即插即用...