Использование мультикласса UNet для обнаружения деформации

91
7

Итак, у меня есть большой набор реконструированных изображений мозга (2D RGB). Изображения выглядят примерно так: Reconstructed brain image

Теперь цель состоит в том, чтобы идентифицировать, возможно, несколько областей мозга, которые деформированы (как на изображении выше, области имеют цветовую кодировку) и пометить их как таковые. И я думал, что UNets окажется полезным и эффективным для этой цели.

Теперь я знаю, что UNet обычно используются для сегментации. Но, на мой взгляд, эти проблемы казались аналогичными. Я просто хотел бы "сегментировать" изображение на 3 области: фоновую, недеформированную и деформированную.

Для моей основной правды я отображаю пиксели областей, которые содержат деформации, в 1, остальные в 0, а фон в -1.

Моя архитектура основана на: https://arxiv.org/abs/1505.04597

Основные отличия:

Выводит 3 слоя, которые затем сплющиваются и сравниваются с массивом с горячим кодированием Сохраняйте размер пост-свертки постоянным с помощью заполнения ELU используется вместо RELU Adam Optimizer используется вместо SGD

Эта проблема:

После тестирования я обнаружил, что все мои пиксели сегментированы на фон. И при ближайшем рассмотрении я обнаружил, что все исходные вероятности равны 1,0 для фона.

Я тренировал свою модель с размером партии 1 за 600 эпох.

Итак 2 вопроса:

Это похоже на жизнеспособный подход? Я думал, возможно, это просто невозможно для UNets таким образом. Какие есть предложения по отладке этого?

спросил(а) 2018-12-26T21:23:00+03:00 2 года, 9 месяцев назад
0
Ваш ответ
Введите минимум 50 символов
Чтобы , пожалуйста,
Выберите тему жалобы:

Другая проблема