最近在肝腫瘤分割的任務(wù)上卡住了挺久比原，找不到提升的方法雇寇，看完這篇論文學(xué)到了很多，一個是文中提出的損失函數(shù)可以直接拿來使用识腿，然后文中簡化網(wǎng)絡(luò)參數(shù)的設(shè)置以及輔助監(jiān)督的方式也可以借鑒耳璧。
本文主要解決的問題是訓(xùn)練數(shù)據(jù)不平衡蹬昌。
首先對當(dāng)前解決這些問題的函數(shù)進行了分析栖榨。
如圖愚争，黃色那條線可以理解為普通的交叉熵loss，紅色那條線可以理解為dice loss鞍陨，紫色那條線可以理解為focal loss的損失。針對數(shù)據(jù)不平衡問題，交叉熵loss的做法是進行標(biāo)簽加權(quán)韧衣。而只使用dice loss則會對難易程度不同的樣本產(chǎn)生沒有區(qū)分的梯度。作者將focal loss 用在語義分割任務(wù)中，性能不升反降炉擅，作者認為該損失是其在高精度預(yù)測處梯度太小。所以作者提出了黑色那條線的損失函數(shù)（y=0.3），它擁有focal loss的有優(yōu)點同時在高精度處又保有較大的梯度线罕。
本文提出的指對數(shù)函數(shù)
符號含義
其次是網(wǎng)絡(luò)部分
作者對于3D分割簡化了3D VNet，削減了通道數(shù)，同時改進了卷積塊增加了一個類似殘差的結(jié)構(gòu)（但不完全是）窗轩，增加了解碼器端的輔助監(jiān)督。削減了高分辨率層的卷積層數(shù)（對于這點改進持懷疑），加入了高斯噪聲和0.5 dropout
網(wǎng)絡(luò)結(jié)構(gòu)圖
數(shù)據(jù)增擴：
采取的數(shù)據(jù)增擴措施
最后的實驗效果對比
對比
從上圖可以看出，只用Dice loss的效果的確有限介牙，所以可以期待改進了Loss后分割性能會有明顯提升
