论文泛读：《SPNet: Shape Prediction Using a Fully Convolutional Neural Network》

简 述： 现有的基于深度学习的分割模型采用 pixel-wise 的 loss function, 不利于网络学习分割目标的 拓扑形状信息。本文提出利用网络预测分割目标的形状，而非传统的 pixel-wise classification。 作者训练Unet 产生 signed distance function (SDF), 然后将 SDF 转化到形状域（ shape domain）， 并设计一个新 loss, 在形状域计算预测误差。在 X-光椎骨分割任务上做到了 SOTA.

SPNet: Shape Prediction Using a Fully Convolutional Neural Network