文章目录
- Dice Semimetric Losses: Optimizing the Dice Score with Soft Labels
- 摘要
- 方法
- 实验结果
Dice Semimetric Losses: Optimizing the Dice Score with Soft Labels
摘要
Soft Dice Loss（SDL）在医学图像领域的许多自动分割中发挥了关键作用。在过去的几年中，人们已经发现了其优越性能背后的一些原因，并进一步探索了进一步的优化。然而，目前尚无实现支持其直接在涉及软标签的情景中使用。因此，在使用SDL和利用软标签的研究之间仍然缺乏协同作用，尤其是在模型校准的背景下。
这项工作引入了Dice半度量损失（DMLs）
（i）在标准设置中与硬标签相同设计，但（ii）可以在具有软标签的设置中使用。
代码地址
方法
soft Dice loss (SDL)：
soft Jaccard loss (SJL) ：
Jaccard Metric Losses (JMLs)
Dice Semimetric Losses
实验结果
