Train dice

[zhoubest01]

你好，想问一下，在运行train.py时有一些输出不是很明白，train dice0,1,2分别是代表什么呢？同理，val dice0,1,2又分别代表什么，如果要评估分割效果，真正的dice系数是看哪一个，谢谢！

[lsq117]

同样的疑问，我感觉是分割背景， 肝脏组织和癌灶三部分的损失，不知道对不对，希望有同学可以解答一下？
还有一个同样的困惑，测试分割效果很差不知道怎么改进

[NBIronman]

同样的疑问，我感觉是分割背景，肝脏组织和癌灶三部分的损失，不知道对不对，希望有同学可以解答一下？
还有一个同样的混淆，测试分割效果很差不知道怎么改进

我的测试效果也远不如训练效果，不知道是什么原因

[lsq117]

同样的疑问，我感觉是分割背景，肝脏组织和癌灶三部分的损失，不知道对不对，希望有同学可以解答一下？
还有一个同样的混淆，测试分割效果很差不知道怎么改进

我的测试效果也远不如训练效果，不知道是什么原因

会不会是预处理没处理好， def process()中的第45行：seg_array[seg_array > 0] = 1是不是因为这个值大于0的部分设为1的缘故，一直没搞懂它这样处理有什么用？

[NBIronman]

同样的疑问，我感觉是分割背景，肝脏组织和癌灶三部分的损失，不知道对不对，希望有同学可以解答一下？
还有一个同样的混淆，测试分割效果很差不知道怎么改进

我的测试效果也远不如训练效果，不知道是什么原因

会不会是预处理没处理好， def process()中的第45行：seg_array[seg_array > 0] = 1是不是因为这个值大于0的部分设为1的缘故，一直没搞懂它这样处理有什么用？

那是因为标签有肿瘤，人家要单独分割肝脏，只把肝脏的标签留下来

[lsq117]

同样的疑问，我感觉是分割背景，肝脏组织和癌灶三部分的损失，不知道对不对，希望有同学可以解答一下？
还有一个同样的混淆，测试分割效果很差不知道怎么改进

我的测试效果也远不如训练效果，不知道是什么原因

会不会是预处理没处理好， def process()中的第45行：seg_array[seg_array > 0] = 1是不是因为这个值大于0的部分设为1的缘故，一直没搞懂它这样处理有什么用？

那是因为标签有肿瘤，人家要单独分割肝脏，只把肝脏的标签留下来

我意思是，0是区分器官和非器官的阈值吗？是通过什么确定出这个阈值的呢？

[NBIronman]

同样的疑问，我感觉是分割背景，肝脏组织和癌灶三部分的损失，不知道对不对，希望有同学可以解答一下？
还有一个同样的混淆，测试分割效果很差不知道怎么改进

我的测试效果也远不如训练效果，不知道是什么原因

会不会是预处理没处理好， def process()中的第45行：seg_array[seg_array > 0] = 1是不是因为这个值大于0的部分设为1的缘故，一直没搞懂它这样处理有什么用？

那是因为标签有肿瘤，人家要单独分割肝脏，只把肝脏的标签留下来

我意思是，0是区分器官和非器官的阈值吗？是通过什么确定出这个阈值的呢？

你去看看这个数据集怎么标的就知道了

[lsq117]

同样的疑问，我感觉是分割背景，肝脏组织和癌灶三部分的损失，不知道对不对，希望有同学可以解答一下？
还有一个同样的混淆，测试分割效果很差不知道怎么改进

我的测试效果也远不如训练效果，不知道是什么原因

会不会是预处理没处理好， def process()中的第45行：seg_array[seg_array > 0] = 1是不是因为这个值大于0的部分设为1的缘故，一直没搞懂它这样处理有什么用？

那是因为标签有肿瘤，人家要单独分割肝脏，只把肝脏的标签留下来

我意思是，0是区分器官和非器官的阈值吗？是通过什么确定出这个阈值的呢？

你去看看这个数据集怎么标的就知道了

好的，感谢！

[NBIronman]

同样的疑问，我感觉是分割背景，肝脏组织和癌灶三部分的损失，不知道对不对，希望有同学可以解答一下？
还有一个同样的混淆，测试分割效果很差不知道怎么改进

我的测试效果也远不如训练效果，不知道是什么原因

会不会是预处理没处理好， def process()中的第45行：seg_array[seg_array > 0] = 1是不是因为这个值大于0的部分设为1的缘故，一直没搞懂它这样处理有什么用？

那是因为标签有肿瘤，人家要单独分割肝脏，只把肝脏的标签留下来

我意思是，0是区分器官和非器官的阈值吗？是通过什么确定出这个阈值的呢？

你去看看这个数据集怎么标的就知道了

好的，感谢！

你训练时VAL的dice能到多少？

[lsq117]

同样的疑问，我感觉是分割背景，肝脏组织和癌灶三部分的损失，不知道对不对，希望有同学可以解答一下？
还有一个同样的混淆，测试分割效果很差不知道怎么改进

我的测试效果也远不如训练效果，不知道是什么原因

会不会是预处理没处理好， def process()中的第45行：seg_array[seg_array > 0] = 1是不是因为这个值大于0的部分设为1的缘故，一直没搞懂它这样处理有什么用？

那是因为标签有肿瘤，人家要单独分割肝脏，只把肝脏的标签留下来

我意思是，0是区分器官和非器官的阈值吗？是通过什么确定出这个阈值的呢？

你去看看这个数据集怎么标的就知道了

好的，感谢！

你训练时VAL的dice能到多少？

dice0 97,98左右 dice1 76左右 dice2 0.04左右，怀疑dice2很低很有可能是因为肿瘤区域占比太小，导致正负样本极不均衡的原因。另外，确定一下，dice0，dice1,dice2分别对应分割背景、组织、肿瘤区域对吧？

[NBIronman]

同样的疑问，我感觉是分割背景，肝脏组织和癌灶三部分的损失，不知道对不对，希望有同学可以解答一下？
还有一个同样的混淆，测试分割效果很差不知道怎么改进

我的测试效果也远不如训练效果，不知道是什么原因

会不会是预处理没处理好， def process()中的第45行：seg_array[seg_array > 0] = 1是不是因为这个值大于0的部分设为1的缘故，一直没搞懂它这样处理有什么用？

那是因为标签有肿瘤，人家要单独分割肝脏，只把肝脏的标签留下来

我意思是，0是区分器官和非器官的阈值吗？是通过什么确定出这个阈值的呢？

你去看看这个数据集怎么标的就知道了

好的，感谢！

你训练时VAL的dice能到多少？

dice0 97,98左右 dice1 76左右 dice2 0.04左右，怀疑dice2很低很有可能是因为肿瘤区域占比太小，导致正负样本极不均衡的原因。另外，确定一下，dice0，dice1,dice2分别对应分割背景、组织、肿瘤区域对吧？

对，先不考虑dice2，我感觉因为这个模型直接分割肿瘤估计应该不咋匹配，但是dice1我也就70多，不知道为啥，按道理dice1不应该这么低

[lander1003]

同样的疑问，我感觉是分割背景，肝脏组织和癌灶三部分的损失，不知道对不对，希望有同学可以解答一下？
还有一个同样的混淆，测试分割效果很差不知道怎么改进

我的测试效果也远不如训练效果，不知道是什么原因

会不会是预处理没处理好， def process()中的第45行：seg_array[seg_array > 0] = 1是不是因为这个值大于0的部分设为1的缘故，一直没搞懂它这样处理有什么用？

那是因为标签有肿瘤，人家要单独分割肝脏，只把肝脏的标签留下来

我意思是，0是区分器官和非器官的阈值吗？是通过什么确定出这个阈值的呢？

你去看看这个数据集怎么标的就知道了

好的，感谢！

你训练时VAL的dice能到多少？

dice0 97,98左右 dice1 76左右 dice2 0.04左右，怀疑dice2很低很有可能是因为肿瘤区域占比太小，导致正负样本极不均衡的原因。另外，确定一下，dice0，dice1,dice2分别对应分割背景、组织、肿瘤区域对吧？

对，先不考虑dice2，我感觉因为这个模型直接分割肿瘤估计应该不咋匹配，但是dice1我也就70多，不知道为啥，按道理dice1不应该这么低

你好，想问一下如果分割肿瘤这种目标区域占比小的应该用什么模型效果更好啊

[AlloyMei]

同样的疑问，我感觉是分割背景，肝脏组织和癌灶三部分的损失，不知道对不对，希望有同学可以解答一下？
还有一个同样的混淆，测试分割效果很差不知道怎么改进

我的测试效果也远不如训练效果，不知道是什么原因

会不会是预处理没处理好， def process()中的第45行：seg_array[seg_array > 0] = 1是不是因为这个值大于0的部分设为1的缘故，一直没搞懂它这样处理有什么用？

那是因为标签有肿瘤，人家要单独分割肝脏，只把肝脏的标签留下来

我意思是，0是区分器官和非器官的阈值吗？是通过什么确定出这个阈值的呢？

你去看看这个数据集怎么标的就知道了

好的，感谢！

你训练时VAL的dice能到多少？

dice0 97,98左右 dice1 76左右 dice2 0.04左右，怀疑dice2很低很有可能是因为肿瘤区域占比太小，导致正负样本极不均衡的原因。另外，确定一下，dice0，dice1,dice2分别对应分割背景、组织、肿瘤区域对吧？

对，先不考虑dice2，我感觉因为这个模型直接分割肿瘤估计应该不咋匹配，但是dice1我也就70多，不知道为啥，按道理dice1不应该这么低

你好，想问一下如果分割肿瘤这种目标区域占比小的应该用什么模型效果更好啊

请问您用什么模型分割肿瘤取得了比较好的效果呢？