题目：Adaptive Region-Specific Loss for Improved Medical Image Segmentation
自适应区域特定损失：提高医学图像分割性能
作者：Yizheng Chen; Lequan Yu; Jen-Yeu Wang; Neil Panjwani; Jean-Pierre Obeid; Wu Liu; Lianli Liu; Nataliya Kovalchuk
摘要
定义损失函数是神经网络设计的重要组成部分，它在深度学习建模的成功中起着决定性作用。传统损失函数的一个显著缺点是它们同等地加权输入图像体的所有区域，尽管已知系统是异构的（即，一些区域比其他区域更容易获得高预测性能）。在这里，我们引入了一个区域特定的损失来提升隐含的均匀加权假设，以实现更好的学习。我们将整个体积划分为多个子区域，每个子区域都构建了一个针对最佳局部性能的个性化损失。有效地，这个方案对更难分割的子区域施加了更高的权重，反之亦然。此外，在训练步骤中为每个输入图像计算了区域的假阳性和假阴性误差，并相应地调整了区域惩罚，以提高预测的整体准确性。通过使用不同的公共和内部医学图像数据集&#
标签：分割,TPAMI,损失,2024,Liu,区域,图像,性能 From： https://blog.csdn.net/qq_42722197/article/details/140922070