《Journal of Rock Mechanics and Geotechnical Engineering》：Enhancing Mineral Segmentation in Rock CT Images via Hessian-Guided Morphological Feature Learning with Deep Neural Networks
编辑推荐：
岩石计算机断层扫描（computed tomography，CT）图像中的精确矿物分割对于地质解释与数值模拟至关重要，然而传统深度学习模型在处理复杂、低对比度矿物边界以及形态学感知不足的问题时常表现受限。研究人员提出了一种Hessian引导的形态感知分割框架，
岩石计算机断层扫描（computed tomography，CT）图像中的精确矿物分割对于地质解释与数值模拟至关重要，然而传统深度学习模型在处理复杂、低对比度矿物边界以及形态学感知不足的问题时常表现受限。研究人员提出了一种Hessian引导的形态感知分割框架，以两种互补方式引入二阶结构线索：（i）在预测前景概率图上计算特征值比率正则化损失，以促进形状一致的边界过渡；（ii）构建Hessian增强的灰度-Hessian（G–H）输入表征，在灰度CT通道之外提供显式形态学先验。在从200张CT切片中提取的9586个带标注图像块上的实验表明，所提出的特征值损失能够在多种基础损失函数和基础网络架构上持续提升分割性能与结构连续性。对于UNet，表现最佳的配置为在Lovasz损失基础上叠加所提出的特征值正则化，该配置实现了更准确的边界恢复、更优的细粒矿物识别能力以及更高的矿物区域连通性。针对 λ = 0.05–0.9 的敏感性研究表明，λ = 0.1 在语义精度与形态正则化之间提供了稳健的折中。该方法的实际价值还通过三维重建得到进一步验证，所得矿物体积在下游地质建模与工程应用中表现出更优的几何一致性。
该研究发表于《Journal of Rock Mechanics and Geotechnical Engineering》，聚焦于岩石CT图像中矿物分割精度不足这一关键问题。岩石CT图像能够无损表征岩心内部的二维高分辨率信息及三维空间结构，是岩石物性评价、矿物资源勘探、地质灾害评估与后续数值模拟的重要基础。然而，在复杂岩石纹理条件下，矿物边界常呈现低对比度、模糊过渡和细粒结构丰富等特征，导致传统图像处理方法易受噪声与灰度变化影响，难以兼顾鲁棒性与精度。与此同时，现有基于卷积神经网络的分割方法虽然具备较强特征学习能力，但其优化目标多集中于像素级分类一致性，对矿物颗粒的形态连续性、局部曲率变化以及边界主方向等结构性信息利用不足，因此在复杂边界、黏连矿物和弱纹理区域中容易出现漏分、误分与结构断裂。
围绕这一问题，研究人员提出了一种Hessian矩阵（用于描述图像局部二阶曲率变化）引导的形态感知矿物分割框架，将基于二阶导数的结构先验同时注入输入表征与损失函数设计中。研究的核心思想在于利用Hessian特征值及其比值刻画局部结构的各向异性与各向同性特征：当特征值比率接近0时，局部结构更接近线状边界；当比率接近1时，局部结构更接近块状或斑点状矿物区域。这一数学描述与岩石CT图像中多数矿物呈现的颗粒状、受限状、近等轴形态具有较好一致性。基于此，研究人员一方面构建了灰度-Hessian双通道输入，将由Hessian特征值比率生成的形态通道与原始灰度CT图像拼接输入网络；另一方面设计了作用于前景预测概率图的特征值损失，通过约束矿物区域内部的Hessian响应趋向局部各向同性，抑制细长伪影与噪声结构，从而增强边界一致性和整体形态连贯性。
从研究背景看，论文明确指出当前矿物识别方法主要包括人工标注和自动方法两大类。人工方法虽然精确，但耗时耗力，难以满足工程应用需求。自动方法中，传统图像处理方法例如多阈值分割和边缘检测速度较快，但极易受到图像对比度、噪声和纹理退化影响；深度学习方法虽已成为主流，但现有改进主要集中于预处理增强、注意力机制和复合损失函数等方向，仍然没有充分建模矿物结构的形态学意义。尤其是BCE（二元交叉熵）、Focal Loss与Lovasz Loss等损失函数本质上仍偏向像素概率统计，缺少对周边像素关系、局部曲率和边界主方向的显式约束。论文因此将研究切入点放在“形态感知建模”上，试图从更具物理意义的结构层面改进矿物分割。
研究人员所采用的主要关键技术方法包括：基于Hessian矩阵的局部二阶曲率分析，用特征值及其比率提取矿物块状形态与边界方向性；构建Hessian增强灰度-Hessian（G–H）双通道输入作为显式结构先验；在前景预测概率图上定义特征值正则化损失，并与Lovasz、Focal或BCE等基础损失联合优化；在来自3个不同钻孔花岗岩岩心的200张CT切片上进行切片级划分与图像块训练，避免数据泄漏；比较UNet、DeepLabv3+、UNet++、TransUNet等多种分割架构，并结合IoU、Dice、Recall及连通性比率C进行系统评估，同时开展 λ 权重敏感性分析与多随机种子稳健性验证。
在研究结果部分，论文按照多个小节系统展示了该框架的有效性。
3.1. Dataset and Experimental Setup
研究人员从3个不同钻孔获取的花岗岩岩心中选取200张二维CT切片，包含110张约5330 × 5330像素的高分辨率图像和90张700 × 700像素图像。为避免训练测试泄漏，采用按切片划分策略，再切分为512 × 512像素图像块，最终得到8325个训练块、925个验证块和406个测试块。通过随机翻转与旋转增强训练样本多样性，并统一采用Adam优化器进行300轮训练。该部分说明了数据来源、样本构建与实验控制策略，为后续结果比较提供了可靠基础。
3.2. Training and Evaluation
该部分建立了IoU、Recall、Dice系数及连通性比率C等评价体系。其中，连通性指标用于衡量预测结果对真实矿物连通区域的保持能力，弥补传统像素级指标难以反映结构完整性的不足。研究还采用颜色编码可视化方法，分别显示真阳性、假阳性与假阴性区域，以便直观分析误差空间分布。
3.2.1. UNet with Different Input–Loss Configurations
在UNet框架下，研究人员比较了单通道灰度输入与G–H双通道输入，以及是否加入特征值损失的不同组合。结果表明，单通道输入结合Lovasz + Eigenvalue Loss取得最佳性能，IoU为0.7682，Dice为0.8679，Recall为0.8654，Connectivity为0.7138。通过可视化发现，该配置在细长矿物结构识别、低对比相邻矿物分离以及边界定位方面表现最佳。相较之下，G–H双通道虽然在部分情况下提供了结构先验，但与特征值损失叠加后反而出现响应扩散和噪声增强，提示相似形态先验在输入端和损失端的重复注入可能造成过约束或信息冗余。
3.2.2. Comparison with Other Boundary-Aware Losses
在固定UNet和Lovasz基础损失的前提下，研究人员将所提出的特征值损失与Sobel边缘损失和传统Boundary loss进行比较。结果显示，Lovasz + Eigenvalue Loss在IoU、Dice、Recall和Connectivity上均优于其他边界感知损失。Sobel损失虽较基线有所改进，但在所有指标上均劣于特征值损失；Boundary loss则在IoU和连通性方面表现更差。该结果说明，基于一阶梯度的边界约束难以在弱纹理、模糊边界环境中稳定工作，而Hessian导出的二阶形态信息能够更稳健地建模矿物边界及区域结构。
3.2.3. Extensions to Other Segmentation Architectures
为验证方法的可迁移性，研究人员将特征值损失扩展到DeepLabv3+、UNet++和TransUNet等不同架构，并测试其与不同基础损失函数的兼容性。在DeepLabv3+中，引入特征值损失后IoU由0.6570提升至0.8074，Dice由0.7857提升至0.8929；UNet++同样获得显著提升。尽管TransUNet由于训练集较小存在过拟合问题，但加入特征值损失后IoU、Dice与连通性仍有改善。针对UNet + Focal和UNet + BCE的实验也表明，特征值损失能够稳定提高分割性能。该部分结论表明，该损失可作为“即插即用”的形态感知正则项，适用于多种主流分割框架。
3.2.4. Sensitivity to Eigenvalue Loss Weight
研究人员进一步考察了 λ 从0.05到0.9变化时的性能波动。结果显示，各指标并非单调变化，而是在 λ = 0.1 时达到最佳平衡。较小权重下形态约束不足，无法充分恢复小颗粒和边界；过大权重则会过度强调Hessian先验，导致背景区域误激活和过分割。特征图分析也支持这一结论：适中权重能够在增强矿物区域连续性的同时，抑制背景扩张。由此，论文将 λ = 0.1 作为默认配置。
3.2.5. Multi-seed Robustness Evaluation
在五组不同随机种子下，研究人员对UNet + Lovasz与UNet + Lovasz + Eigenvalue进行重复实验。结果显示，引入特征值损失后，平均IoU由0.5770 ± 0.1046提升至0.7866 ± 0.0203，平均Dice由0.7119 ± 0.0975提升至0.8796 ± 0.0129，且波动显著减小。这表明该方法不仅提高了精度，也增强了训练稳定性与结果可靠性。
3.3. The Further Application
为验证工程应用价值，研究人员将最佳模型用于测试集分割，并按原始扫描顺序堆叠二维结果，重建矿物三维体素模型。结果表明，该方法在轴向上保持了较好的层间结构连续性，重建矿物体在几何上更连贯，可为孔隙度估算、多相流模拟、反应运移分析、力学性质反演和微结构分析提供更可靠输入。这说明该框架不仅提升二维分割精度，也具有面向三维地质建模的实际潜力。
在讨论部分，论文并未回避方法局限。首先，特征值损失对局部对比度与标注质量敏感。在高对比度且标注准确时，模型能有效恢复小而弱的矿物颗粒；但在低对比、边界标注存在偏差时，该损失可能会放大局部错误结构，导致矿物区域过扩张或邻近颗粒之间出现虚假桥接。其次，G–H输入与特征值损失的组合揭示了结构先验重复注入可能导致冗余和冲突，提示未来需要设计注意力机制或门控机制，以自适应决定何时依赖灰度信息、何时依赖Hessian结构信息。再次，当前 λ 采用固定全局标量，通过网格搜索确定，未能考虑训练过程动态变化和空间区域异质性，因此未来可探索可学习权重或调度式加权策略。论文还指出，数据仅来自有限数量的花岗岩岩心，任务也仅限于矿物-背景二分类，因此方法在多矿物、多相、多孔裂情形下的泛化能力仍需进一步验证。最后，当前Hessian组件完全基于二维切片构建，三维连通性只是通过切片堆叠间接体现，后续若能引入三维Hessian算子和体数据网络，将更有望直接建模三维曲率与连通性。
论文结论部分可译为：岩石CT图像中的精确矿物分割对于地质建模和定量地学分析至关重要，但传统深度学习模型在细尺度结构和模糊矿物边界方面常存在困难。该研究通过提出一种形态引导增强策略，将Hessian矩阵导出的结构特征同时嵌入分割网络的输入表征和损失函数，从而应对这些局限。研究探索了Hessian信息的两种互补应用：定义在前景概率图上的形态感知特征值损失，以及在灰度CT通道之外提供显式结构先验的Hessian增强G–H输入。跨不同基础损失函数和网络架构的系统实验表明，这两种策略均可增强边界描绘、小矿物颗粒恢复与整体连通性，其中，特征值损失表现为一种稳健、可即插即用的形态正则项。最佳结果来自单灰度输入结合Lovasz损失与特征值损失，而敏感性分析显示 λ = 0.1 在语义精度与结构正则化之间实现了有效平衡。同时，在Lovasz + Eigenvalue Loss基础上继续叠加Hessian增强G–H输入所带来的边际收益有限，说明在输入和损失中简单叠加相似形态先验可能产生冗余。总体而言，将基于Hessian的数学特征嵌入分割流程，显著增强了矿物边界刻画与结构一致性，显示出形态感知深度学习在稳健矿物分割及下游地学应用中的重要潜力。
