我正在尝试在 niftynet 中实现的广义骰子损失,以使用 V-Net 分割包含 4 个类别(1 个背景 3 个感兴趣区域)的 MRI 卷。我尝试以两种方式格式化标签:
空间维度只有 0 是背景,1,2,3 是感兴趣区域的标签。
5 维图像 ([3 spatial],1,4) 为第 5 维中的每个类存储二进制卷
第二种情况的推断产生了一个 3D 体积,其中仅检测到带有标签“3”的类,而在第一种情况的训练期间损失根本没有减少。我是否以正确的格式存储标签?
我正在尝试在 niftynet 中实现的广义骰子损失,以使用 V-Net 分割包含 4 个类别(1 个背景 3 个感兴趣区域)的 MRI 卷。我尝试以两种方式格式化标签:
空间维度只有 0 是背景,1,2,3 是感兴趣区域的标签。
5 维图像 ([3 spatial],1,4) 为第 5 维中的每个类存储二进制卷
第二种情况的推断产生了一个 3D 体积,其中仅检测到带有标签“3”的类,而在第一种情况的训练期间损失根本没有减少。我是否以正确的格式存储标签?