近期，河南大学河南省应用数学中心庞志锋教授在医学图像选择性分割方面取得重要进展，相关成果以“Double-Domain Driven Unet for Selective Segmentation of Medical Image”为题发表于 《CSIAM Transactions on Applied Mathematics》。庞志锋教授为论文第一作者，挪威研究中心台雪成教授为通讯作者。

医学图像选择性分割旨在从复杂图像中准确提取特定感兴趣区域，在辅助诊断和治疗方案制定中具有重要意义。现有交互式分割方法往往依赖较多人工标注点，限制了方法的实际应用效率。针对上述问题，论文从偏微分方程与深度学习交叉融合的角度出发，提出了一种双域驱动Unet方法。该方法基于Eikonal方程将标记点转化为阈值测地线距离，并将图像域信息与测地线距离域信息共同纳入统一网络框架。所提网络通过双分支Unet分别学习图像结构特征与几何距离特征，从而增强对目标区域与背景区域的区分能力。此外，研究团队推导出sigmoid激活函数的变分形式，把传统活动轮廓中的边界长度惩罚转化为网络中可迭代求解的空间正则化过程，从而进一步提升了分割结果的准确性与鲁棒性。

《CSIAM Transactions on Applied Mathematics》 聚焦应用数学及其与计算科学、信息科学等方向的交叉研究，在应用数学与交叉计算研究领域具有重要学术影响力。文章链接：https://global-sci.com/index.php/csiam-am/article/view/23388。

文案：庞志峰

编辑：贺红磊

审核：肖运海