image-segmentation - 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，并在自己的带有 dense_vnet 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。该网络似乎发现了正确的器官，但无法摆脱额外的伪影，就好像它无法脱离局部最小值或者它没有足够的自由度或其他东西。这是更好看的预测切片之一，它确实显示了一些正确的标签，但也显示了额外的噪声。

为什么单类分割比多类分割效果更好？期望 DenseVnet 提供良好的多类 3D 分割结果是否合理？如果是，是否有改进结果的具体方法？

PS Niftynet 的网站是指一般问题的 stackoverflow。

标签： image-segmentationniftynet

Answer 1

显然，DenseVnet 确实可以处理多类分割。他们提供了一个带有 Dice 损失扩展的现成模型。即使它是为 CT 图像和 Hounsfield 单元设计的，它也无需任何预处理即可处理我的 MRI 数据。