具有密集vnet的niftynet多类3D分割

Question

神经网络新手在这里。我一直在测试Niftynet，并使用density_vnet在自己的MRI数据集上实现了不错的单类3D分割预测。但是，当我尝试添加第二个标签时，我运气不佳。该网络似乎可以找到正确的器官，但无法摆脱其他伪像，好像它无法脱离局部最小值或没有足够的自由度或某种东西一样。 This is one of the better looking prediction slices which does show some correct labels but also additional noise。

为什么单类细分比多类细分更好？从DenseVnet预期良好的多类3D分割结果是否合理？如果可以，是否有改善结果的特定方法？

P.S。 Niftynet的站点提到了stackoverflow的常见问题。

Answer 1

显然，DenseVnet确实可以处理multi-class segmentation。他们为ready model提供了骰子损失扩展功能。即使它是为CT图像和Hounsfield单位设计的，它也可以不带任何预处理地处理我的MRI数据。