论文推荐:基于联合损失函数的多任务肿瘤分割

这篇具有很好参考价值的文章主要介绍了论文推荐:基于联合损失函数的多任务肿瘤分割。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

以FFANet为主干,加入分类的分支,将模型扩展为多任务图像分割框架,设计了用于分类和分割的联合损失函数。

FFANet+MTL

论文推荐:基于联合损失函数的多任务肿瘤分割

1、FFANet和分割分支

FFANet作为骨干网络,作为对VoVNet的重新设计和优化,FFANet在骨干网中加入了残差连接,使VoVNet可以学习更多的特性。设计了一种特殊的特征融合机制来有效地聚合多尺度特征。最后,在上采样阶段,引入混合的注意力机制来细化分割结果

2、分支分类

对于分类分支,它由一个全局平均池化(GAP)层和一个全连接层组成。

3、联合损失函数

对于分类任务,使用交叉熵(cross-entropy, CE)损失函数:

论文推荐:基于联合损失函数的多任务肿瘤分割

对于分割任务,使用dice 损失函数:

论文推荐:基于联合损失函数的多任务肿瘤分割

最后加权损失:

论文推荐:基于联合损失函数的多任务肿瘤分割

这里选择的α=0.2

结果展示

1、数据集和指标

数据集是由MICCAI 2020公开竞赛甲状腺结节分割和分类(TN-SC 2020)提供。该数据集包括3644张图片,由3644名患者提供,并由专业医生注释。所有图像均为单通道灰度超声图像。训练集、验证集和测试集的比例为7∶1∶2。使用 4 个指标,即 DICE、准确性 (ACC)、灵敏度 (SE) 和特异性 (SP)。(这个ACC是像素级的 ACC)

论文推荐:基于联合损失函数的多任务肿瘤分割

2、权重(α)选择

论文推荐:基于联合损失函数的多任务肿瘤分割

α=0.2得到最高的性能,并用于后续的实验。

论文推荐:基于联合损失函数的多任务肿瘤分割

可以看到,当α=0.2分类性能稍差。

3、SOTA比较

论文推荐:基于联合损失函数的多任务肿瘤分割

多任务模型(0.2)在关键指标DICE上的最佳表现为0.935。在ACC和SP上的性能达到了第三名,在SE上的性能也很好。

论文推荐:基于联合损失函数的多任务肿瘤分割

论文所提出的多任务模型 (0.2) 达到了 0.79 的分类精度,排名第二,超过了 ResNet-50、具有 ECA-Net 通道注意力的 ResNet-50 和 VoVNet-39。

论文推荐:基于联合损失函数的多任务肿瘤分割

模型对目标区域的定位和预测非常准确,对病灶区域的描述也更加精细。

论文地址:

https://avoid.overfit.cn/post/6a605da56978443bb548e8f342cbda37

本文作者:Sik-Ho Tsang文章来源地址https://www.toymoban.com/news/detail-422747.html

到了这里,关于论文推荐:基于联合损失函数的多任务肿瘤分割的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 神经网络中的损失函数(上)——回归任务

    神经网络是深度学习的基础。在神经网络中,损失函数和优化函数是两个非常重要的概念,它们共同决定了模型的性能和训练效果。本文将介绍神经网络中比较常用的损失函数。 损失函数是用于量化预测值与真实值之间误差大小的一个非负函数。数值越小表示损失越小,完美

    2024年01月19日
    浏览(38)
  • Pytorch代码入门学习之分类任务(三):定义损失函数与优化器

    目录 一、定义损失函数 1.1 代码 1.2 损失函数简介 1.3 交叉熵误差(cross entropy error) 二、定义优化器 2.1 代码 2.2 构造优化器 2.3 随机梯度下降法(SGD)         神经网络的学习通过某个指标表示目前的状态,然后以这个指标为基准,寻找最优的权重参数。神经网络以某个指标

    2024年02月07日
    浏览(44)
  • 51-16 FusionAD 用于自动驾驶预测与规划任务的多模态融合论文精读

    今天要分享的是基于BEV的多模态、多任务、端到端自动驾驶模型FusionAD,其专注于自动驾驶预测和规划任务。这项工作首次发表于2023年8月2日,性能超越了2023 CVPR最佳论文UniAD模型。论文题目是FusionAD: Multi-modality Fusion for Prediction and Planning Tasks of Autonomous Driving,主要作者来自

    2024年01月24日
    浏览(47)
  • YOLOv8改进 | 损失篇 | VarifocalLoss密集目标检测专用损失函数 (VFLoss,原论文一比一复现)

    本文给大家带来的是损失函数改进 VFLoss损失函数 ,VFL是一种为 密集目标检测器 训练预测IoU-aware Classification Scores(IACS)的损失函数,我经过官方的版本将其集成在我们的YOLOv8的损失函数使用上, 其中有很多使用的小细节 (否则按照官方的版本使用根本拟合不了,这也是为啥

    2024年02月02日
    浏览(53)
  • 【吴恩达·机器学习】第三章:分类任务:逻辑回归模型(交叉熵损失函数、决策边界、过拟合、正则化)

    博主简介: 努力学习的22级计算机科学与技术本科生一枚🌸 博主主页: @Yaoyao2024 每日一言🌼: 勇敢的人,不是不落泪的人,而是愿意含着泪继续奔跑的人。 ——《朗读者》 本系列博客文章是博主本人根据吴恩达老师2022年的机器学习课程所学而写,主要包括老师的核心讲义

    2024年02月19日
    浏览(59)
  • 基于联合表示学习、用户聚类和模型自适应的个性化联合推荐

    [Personalized Federated Recommendation via Joint Representation Learning, User Clustering, and Model Adaptation] (https://dl.acm.org/doi/abs/10.1145/3511808.3557668) CIKM2022(CCF-B) 文章主要创新点(消融实验分析的三个点): 联合表示学习 联合表示学习是指通过将用户的协作信息和属性信息结合起来,使用图神经网络

    2024年02月06日
    浏览(65)
  • 【域适应】基于深度域适应MMD损失的典型四分类任务实现

    MMD (maximum mean discrepancy)是用来衡量两组数据分布之间相似度的度量。一般地,如果两组数据分布相似,那么MMD 损失就相对较小,说明两组数据/特征处于相似的特征空间中。基于这个想法,对于源域和目标域数据,在使用深度学习进行特征提取中,使用MMD损失,可以让模型

    2024年04月12日
    浏览(34)
  • 论文代码学习—HiFi-GAN(3)——模型损失函数loss解析

    这里翻译了HiFi-GAN这篇论文的具体内容,具体链接。 这篇文章还是学到了很多东西,从整体上说,学到了生成对抗网络的构建思路,包括生成器和鉴定器。细化到具体实现的细节,如何 实现对于特定周期的数据处理?在细化,膨胀卷积是如何实现的?这些通过文章,仅仅是了

    2024年02月14日
    浏览(91)
  • 基于MATLAB的多无人机多任务调度算法——CBBA带时间窗

    基于MATLAB的多无人机多任务调度算法——CBBA带时间窗 简介: 多无人机(Multi-UAV)的多任务调度是无人机应用领域的重要问题之一。CBBA(Consensus-based Bundle Algorithm)是一种用于多无人机多任务调度的经典算法之一。本文将介绍基于MATLAB的CBBA算法,并对其进行改进,加入时间窗

    2024年02月02日
    浏览(49)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包