niftynet多类密集vnet三维分割

Question

神经网络新手来了。我一直在测试Niftynet，并使用dense_vnet在自己的核磁共振数据集上实现了不错的单类3D分割预测。然而，当我试图添加第二个标签时，我的运气不佳。该网络似乎能发现正确的器官，但无法摆脱额外的伪影，就好像它无法摆脱局部最小值，或者它没有足够的自由度等。This is one of the better looking prediction slices which does show some correct labels but also additional noise。

为什么单类分割比多类分割效果更好？期望从DenseVnet中获得良好的多类3D分割结果是否合理？如果是，有没有具体的方法来改善结果？

P.S.Niftynet的网站针对一般问题引用了stackoverflow。

Answer 1

显然，DenseVnet可以很好地处理multi-class segmentation。他们提供了一个带有骰子损失扩展的ready model。尽管它是为CT图像和Hounsfield单元设计的，但它无需任何预处理即可处理我的MRI数据。