DL_class

学堂在线《深度学习》实验课代码+报告（其中实验1和实验6有配套PPT），授课老师为胡晓林老师。课程链接：https://www.xuetangx.com/training/DP080910033751/619488?channel=i.area.manual_search。

持续更新中。
所有代码为作者所写，并非最后的“标准答案”，只有实验6被扣了1分，其余皆是满分。仓库链接：https://github.com/W-caner/DL_classs。此外，欢迎关注我的CSDN：https://blog.csdn.net/Can__er?type=blog。
部分数据集由于过大无法上传，我会在博客中给出下载链接。如果对代码有疑问，有更好的思路等，也非常欢迎在评论区与我交流~

实验4：脑部 MRI 图像分割

跑通程序

使用原始程序简单训练了15个周期，绘制loss曲线和Dsc，然后进行预测，dice coefficient约为0.9，如下图所示：

效果提升

网络结构

我没有做出大的改变，在阅读文献的时候看到了一个UNet++，但没有实现成功。

损失函数

这里尝试了2种额外的损失函数：

第一个是增加了权重的交叉熵损失函数FocalLoss，为了解决“正负样本”或者“优劣样本”不均衡问题。代码为：
```
class FocalLoss(nn.Module):def __init__(self, weight=None, reduction='mean', gamma=0.25, eps=1e-7):super(FocalLoss, self).__init__()self.gamma = gammaself.eps = epsself.ce = nn.CrossEntropyLoss(weight=weight, reduction=reduction)def forward(self, y_pred, y_true):logp = self.ce(y_pred, torch.squeeze(y_true).long())p = torch.exp(-logp)loss = (1 - p) ** self.gamma * logpreturn torch.Tensor(loss.mean())
```
下图为比较结果，可以发现交叉熵在此处并没有比较好的表现，无论是收敛速度还是训练了15个周期的最终结果，所以舍弃。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-XJ8wFC1z-1668653063845)(.\image-20220714194301321.png)]
第二个是改进后的DiceLoss，参照了图像分割模型调优技巧，loss函数大盘点 - 知乎 (zhihu.com)一文中提出的损失函数。Dice系数是一种用于评估分割输出的度量标准。它也已修改为损失函数，因为它可以实现分割目标的数学表示。但是由于其非凸性，它多次都无法获得最佳结果。Lovsz-softmax损失旨在通过添加使用Lovsz扩展的平滑来解决非凸损失函数的问题。同时，Log-Cosh方法已广泛用于基于回归的问题中，以平滑曲线。作者将损失函数的公式改为，其中用到的函数示意图如下。

下图是对比未经过改进的损失函数和改进后的Loss与Dsc，可以发现Loss因为计算公式不同而存在差异，但改进和的Dsc有着较好的表现。最终也选择其作为损失函数。

优化器

分别采用不含动量的优化器SGD，含动量（0.9）的优化器SGD，设置学习率为0.01至0.001，得到Loss结果如下，可以发现含动量的SGD比不含动量SGD有着更好表现，而adam有着最好的表现。这里我的标签打错了，lr的值应该是0.01和0.001。

最终效果

最后采用网络结构没有改变，损失函数为改进后的DiceLoss，学习率从0.01开始，每周期进行0.9的衰减，训练30个周期，得到的平均DSC为0.92。

此时应用该训练参数于训练集，发现6668出现了异常现象，但是平均效果得到了一点提高，还有明显的可优化情况。

下面是截取的部分预测和真实情况示意图：

【深度学习】实验4答案：脑部 MRI 图像分割相关推荐

【深度学习】实验4布置：脑部 MRI 图像分割
DL_class 学堂在线<深度学习>实验课代码+报告(其中实验1和实验6有配套PPT),授课老师为胡晓林老师.课程链接:https://www.xuetangx.com/training ...
nvidia docker容器不支持中文的解决办法_用docker搭建深度学习实验环境
tensorflow和pytorch官方都维护了不同版本的docker镜像.借助docker我们可以方便的搭建起深度学习实验环境. 但是想要在同一个容器内同时拥有tensorflow.pytorch. ...
pycharm remote 远程项目同步本地_利器：PyCharm本地连接服务器搭建深度学习实验环境的三重境界...
作为实验室社畜,常需要在本地使用Pycharm写代码,然后将代码同步到服务器上,使用远程登录服务器并运行代码做实验. 这其中有很多事情如果没有好的工具,做起来会非常麻烦. 比如如何快速同步本地与服务器 ...
深度学习实验1：pytorch实践与前馈神经网络
深度学习实验1:pytorch实践与前馈神经网络 1.pytorch基本操作 1.使用
【干货】深度学习实验流程及PyTorch提供的解决方案
转载自:[干货]深度学习实验流程及PyTorch提供的解决方案 [导读]近日,专知小组博士生huaiwen创作了一系列PyTorch实战教程,致力于介绍如何用PyTorch实践你的科研想法.今天推出其 ...
深度学习实验总结：PR-曲线、线性回归、卷积神经网络、GAN生成式对抗神经网络
目录 0.前言 1.实验一:环境配置 (1)本机 1.Jupyter 2.Pycharm (2)云端 2.实验二:特征数据集制作和PR曲线一.实验目的二.实验环境三.实验内容及实验步骤 3.实验 ...
深度学习实验三 logistic回归预测二分类
文章目录深度学习实验三 logistic回归预测二分类一.问题描述二.设计简要描述三.程序清单深度学习实验三 logistic回归预测二分类一.问题描述学会使用学习到的逻辑回归的 ...
Github深度学习面试题答案
Github深度学习面试题答案(一)-- 深度学习相关本文是对于github上一篇关于无人驾驶的深度学习方面提问的 ''部分个人见解+论坛内外对该问题的解答'' 本文属于搬运+整合的笔记贴,主要是为 ...
深度学习实验七循环神经网络
文章目录深度学习实验七循环神经网络一.问题描述二.设计简要描述三.程序清单深度学习实验七循环神经网络一.问题描述之前见过的所以神经网络(比如全连接网络和卷积神经网络)都有一个主要 ...

【深度学习】实验4答案：脑部 MRI 图像分割