我试图在python（https://github.com/ncullen93/Unet-ants中为我的大脑数据集转换python（ keras ）中的预构建3D U-net，而不是我的。 我的数据集由关于整个脑容量的小肿瘤（150-1500个体素）组成，但具有高的肿瘤与背景比（~3）。
我还处理了一个手动分割体积（0为额外肿瘤，1为体素肿瘤）。
18F-FET PET image and segmentation
代码完全正常工作（我使用categorical_crossentropy作为损失函数）但高精度之间存在一种不相关性
比较100时代后：
loss: 0.0356 - acc: 0.9848 - categorical_crossentropy: 0.0356 - val_loss: 0.0399 - val_acc: 0.9825 - val_categorical_crossentropy: 0.0399
和分割结果，因为它总是预测为0（这与大多数体素一致但是没有意义）。
我不知道应该从哪里或如何开始改善这些结果。我已经尝试改变批量，过滤器数量，卷积和数量;解卷积内核大小和学习速率没有任何重大改进。
感谢您的帮助。最好的问候
保