摘要

本文开发了损失函数，指导边界区域分割。它是通过计算预测和标签的差分集与差分集和部分交集的并集的比值得到的。使用目标大小来自适应地调整应用于边界区域的注意力。在两个数据集（ACDC 和 Synapse）上使用 UNet、TransUNet 和 Swin-UNet 的实验结果证明了提出的损失函数的有效性

方法

本文的方法还是比较简单的

我觉得这张图片还是比较清晰的，

下面是边界Iou损失函数

作者提出的是Dou损失函数，主要就是根据差集来进行计算的

自适应调整阿尔法

其中C为边界长度，S为他的大小，如下图所示

从图中可以看出来，他的边界损失比Dice损失大一点

实验结果

整体上表现还算不错，具体的实验效果我们可以用在我们自己的分割代码当中尝试一下

「链接」这是本文的代码地址