论文：https://arxiv.org/abs/1606.04797

论文

本文引入Dice coefficient 去处理医学3D图像里面前景和背景体素数量严重不平衡的情况。

网络用于处理3D图像输入，采用编码-解码的框架（很像U-Net网络）：

在2个二进制立方体中dice coefficient D可以被写成：

pi∈Ppi∈Ppi∈P 是模型输出的分割结果的立方体。
gi∈Ggi∈Ggi∈G是gt立方体。
立方体表示的是3D图像。取立方体中的每个像素数值做计算。

Dice loss

原论文对Dice loss介绍很精简。这篇很详细一定得看：https://zhuanlan.zhihu.com/p/269592183， dice coefficient在意义上是等同于 F1scoreF1 scoreF1score的，即对查准率和查全率有一个均衡同等的度量。

dice coefficient是衡量2个样本的相似度的度量函数，取值在[0,1]之间，数值越大表示2个样本越相似。从公式可以看出，样本中表示最好是二值的，因为dice coefficient是求交集1的个数。∣X∣|X|∣X∣表示样本X的元素1的个数，∣Y∣|Y|∣Y∣表示样本Y的元素个数。

dice coefficient D =2∣X⋂Y∣∣X∣+∣Y∣=\frac{2|X \bigcap Y|}{|X|+|Y|}=∣X∣+∣Y∣2∣X⋂Y∣

Dice loss可以被写为：

Ldice =1−L_{\text {dice }}=1-Ldice =1−dice coefficient D

def dice_loss(target，predictive，ep=1e-8):intersection = 2 * torch.sum(predictive * target) + epunion = torch.sum(predictive) + torch.sum(target) + eploss = 1 - intersection / unionreturn loss

dice loss 对正负样本严重不平衡的场景有着不错的性能，训练过程中更侧重对前景区域的挖掘。但训练loss容易不稳定，尤其是小目标的情况下。另外极端情况会导致梯度饱和现象。因此有一些改进操作，主要是结合ce loss等改进，比如: dice+ce loss，dice + focal loss等。

【深度学习】V-Net 3D医学图像分割 Dice loss 损失相关推荐

深度学习参数对模型的影响：Loss(损失）、方差、Precision(精确度)、Recall（召回率
损失.方差.precision_精确度.recall_召回率对模型的影响深度学习之Metrics 一. 偏差.方差.精确率.召回率四个概念二.一个好的模型对这几个指标有什么样的要求? 三. 基于 ...
CVPR 2020 | 利用强化学习进行交互式3D医学图像分割
点击上方"视学算法",选择"星标" 快速获得最新干货本文转载自:机器之心如何提高交互式图像分割算法的效率?上海交大和华师大的研究者提出了一种基于多智能体深度 ...
深度学习实战（十）：使用 PyTorch 进行 3D 医学图像分割
深度学习实战(十):使用 PyTorch 进行 3D 医学图像分割 1. 项目简介 2. 3D医学图像分割的需求 3. 医学图像和MRI 4. 三维医学图像表示 5. 3D-Unet模型 5.1损失函 ...
（新SOTA）UNETR++：轻量级的、高效、准确的共享权重的3D医学图像分割
(新SOTA)UNETR++:轻量级的.高效.准确的共享权重的3D医学图像分割 0 Abstract 由于Transformer模型的成功,最近的工作研究了它们在3D医学分割任务中的适用性.在Tran ...
深度学习（目标检测。图像分割等）图像标注工具汇总
深度学习(目标检测.图像分割等)图像标注工具汇总 2018年05月31日 09:21:54 努力努力再努力tq 阅读数:3581 对于监督学习算法而言,数据决定了任务的上限,而算法只是在不断逼近这个上 ...
半监督3D医学图像分割（三）：URPC
Efficient Semi-supervised Gross Target Volume of Nasopharyngeal Carcinoma Segmentation via Uncertain ...
半监督3D医学图像分割（四）：SASSNet
形状感知半监督医学图像分割 Shape-aware Semi-supervised 3D Semantic Segmentation for Medical Images 研究背景随着人工智能技术在 ...
[论文阅读][深度学习-三维重建]Single-Shot 3D Shape Reconstruction Using Structured Light and CNN
Single-Shot 3D Shape Reconstruction Using Structured Light and Deep Convolutional Neural Networks 文章 ...
【深度学习】基于区域生长的图像分割算法！
图像分割的目的是将图像划分为多个不同的区域,所以我们可以直接从寻找图像中的区域来设计分割算法.区域生长正是一种基于区域寻找的传统图像分割算法. 区域生长基本原理区域生长(Region Growth) ...

【深度学习】V-Net 3D医学图像分割 Dice loss 损失

论文

Dice loss

【深度学习】V-Net 3D医学图像分割 Dice loss 损失相关推荐

最新文章

热门文章