我正在创建一个自动编码器神经网络来执行3D体积数据的语义分割。数据稀疏（只有约1％的体素代表实际结构被分类，而剩余的99％是无效/无/空）。虽然每个3D体积图像都是64x64x64体素，但每个体素图像都具有独特的结构化大小和形状，因此我无法将所有输入均匀地展平为特定指数。
目标是让神经网络对代表实际结构的每个体素进行分类（即1％）。目前，通过将全体积数据输出与完全标记输出进行比较，反向传播减少了损失。由于预测没有任何东西/虚空很容易学习，因此产生99％的人为高精度。我的目标是让损失函数不使用完整的体积数据，而只使用包含结构数据的1％体积数据。
我的问题是关于设计的一点，但是如果每个图像都是唯一的，那么如何减少神经网络的输出和标签只包括结构体素？
更多详情：
这是我目前的不完整代码以及我想要完成的伪代码：
prediction = convolutional_neural_network(x) # Dimentions: (? x 64 x 64 x 64)
zero_tensor = tf.constant(0, dtype=tf.float32)
y_structured_data = tf.not_equal(y, zero_tensor)
# Use y_structured_data on prediction-Tensor to find structure voxels
# reduce both Tensors to eliminate empty space. (Possibly using y_structured_data)
# Feed those reduced Tensors to the loss function.
loss = tf.nn.sigmoid_cross_entropy_with_logits(logits=reduced_prediction, labels=reduced_y)
我尝试过使用tf.boolean_mask（）和tf.where（）来获得所需的缩减但还没有使用它。有什么想法吗？