我是深度学习的新手。我正在处理 CT 扫描医学图像。我想用UNet架构来预测图像分割 .我已经成功实现了 UNet，但是，我的预测完全是黑色的。我认为这是因为有图像，其对应的地面实况是黑色的(相当多的图像)。所以，我想这可能会导致问题。
如果整个掩码为黑色，则意味着 中没有所需的对象图片 .示例图像如下；
下面是对应的地面真相 .
我不知道如何处理这种情况。我应该删除所有 ( 图像 , 地面实况 ) 对吗？
CT 图像是体积图像。因此，当我的模型预测新测试集中的分割时，它也应该检测其中没有所需对象的图像。如果有人指导我，我将不胜感激。
数据集:https://www.doc.ic.ac.uk/~rkarim/la_lv_framework/wall/index.html
最佳答案
图像分割更像是pixel classification比图像分类。
因此，您不应该看“空白图像”/“对象图像”的比率，而应该看“空白像素”/“对象像素”的比率。我猜这个比例更倾向于“空白”像素。
这意味着您正在处理严重的 class imbalance .
This answer列出了焦点损失和在线硬负挖掘作为处理类别不平衡的好方法。
关于image-processing - 如果整个地面实况是黑色的，则医学图像分割，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/67051389/