Dice是医学图像分割领域中常用的评估指标，用于量化算法分割结果与真实标注之间的重叠程度。近期，随着深度学习在医学影像分析中的广泛应用，Dice系数作为分割性能评估的重要指标受到了更多关注。
Dice 近期进展
2023年9月，研究人员提出新方法解决不平衡二值分割中熵最小化导致的预测坍塌问题，该方法在多个公开数据集上实现了平均Dice系数提升0.05以上。新方法解决不平衡二值分割中熵最小化导致的预测坍塌问题
2023年8月，AUTOPET V挑战提出了解剖感知可提示分割模型，该模型在胰腺分割任务上达到了0.89的Dice系数，显著超过了传统方法的0.76。AUTOPET V挑战：解剖感知可提示分割模型
2023年8月，NA-UNETR模型利用邻域注意力Transformer提升左前降支动脉3D分割，其Dice系数达到0.82，比现有方法提高了0.07。NA-UNETR：邻域注意力Transformer提升左前降支动脉3D分割
当前焦点与观察点
Dice系数作为分割评估标准正面临新的挑战。研究人员发现，单纯追求高Dice分数可能导致模型关注主要区域而忽略边界细节，这促使更多研究关注边界敏感的评估指标。此外，多模态融合模型的出现也要求Dice评估考虑不同成像模态的特性，如CT、MRI和超声图像间的差异。未来，Dice系数可能与其他指标结合，形成更全面的评估体系，以反映医学分割任务的实际临床需求。