3D U-net - python指标/损失函数/准确性似乎是不合适的

时间:2017-11-15 14:10:48

标签: python deep-learning keras conv-neural-network image-segmentation

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

0 个答案:

没有答案