水平集方法

D-Convexity：面向数据驱动图像分割的、基于拟凹性的统一可微凸形状先验

D-Convexity: A Unified Differentiable Convex Shape Prior via Quasi-Concavity for Data-driven Image Segmentation

把凸性先验转成无需阈值的可微卷积损失（基于拟凹性与超水平集凸性），可直接嵌入任意分割网络输出端，用于视网膜血管等管状/凸结构分割的形状正则化，替代离散线约束或图割凸性建模。