2020年3月16日 · We introduce a novel similarity measure termed centerlineDice (short clDice), which is calculated on the intersection of the segmentation masks and their (morphological) …

2023年6月18日 · 本文介绍了一种新的用于管状结构分割的拓扑保持相似性度量cl-Dice。 本文提供了一个理论保证，即clDice同伦等价证明。 接下来，在损失函数中使用clDice的可微版本，即 …

Extending this, we propose a computationally efficient, differentiable loss function (soft-clDice) for training arbitrary neural segmentation networks. We benchmark the soft-clDice loss on five …

2023年2月9日 · 文章提出clDice函数，用于衡量管状网络结构如血管、道路的语义分割掩膜与其拓扑骨架的重合度，确保了拓扑关系的保留。 基于此，作者设计了一个高效的、可微分的soft …

The connectedness of the segmented vessels is often the most significant property for many applications such as disease modeling for neurodegeneration and stroke. We introduce a …

提供了软-clDice作为训练神经网络的高效可微分损失函数，提升分割结果的连通性和体积分数。 此开源项目包含适用于PyTorch和TensorFlow/Keras的2D/3D实现，以及不同的平滑骨架方法。 …

2022年3月19日 · 文章介绍了一种用于管状结构分割的拓扑保持相似性度量clDice，并在损失函数中使用clDice的可微版本soft-clDice来训练2D和3D神经网络。 文章使用clDice以及其他基于体 …

2023年11月7日 · 之前写了一个focal tversky dice的损失函数，发现有人看，然后这一篇文章我也就有动力写啦。 来自于文章 CVPR2021-clDice这个损失函数主要是针对条状的结构而设计的列 …

Accurate segmentation of tubular, network-like structures, such as vessels, neurons, or roads, is relevant to many fields of research. For such structures, the.

简介：clDice（centerlineDice ）的提出基于以下一个问题，当我们进行血管，道路，神经细胞束的分割时，在同样指标下。 我们更希望模型预测出的是预测结果半径接近，但总是断裂的结 …