xi-jia / LKU-Net

The official implementation of U-Net vs Transformer: Is U-Net Outdated in Medical Image Registration?
68 stars 9 forks source link

损失值的设置 #10

Open ZZC9965 opened 6 months ago

ZZC9965 commented 6 months ago

您好,我看到您在肺部配准上也做了工作并取得了良好的效果,想咨询一下在做肺部时损失值的设置是否使用了Dice或TRE

xi-jia commented 6 months ago

您好,Lung Mask 和 Lung Keypoints都用了。但是我们是将Keypoints转成了3x3x3的patch算Dice Loss。所以整个网络用了Image similarity,Mask Dice, Keypoints Dice, 和smooth regularization。

xi-jia commented 6 months ago

Code and Readme of 3D Lung Registration (Learn2Reg 2022 Task1) are provided.

ZZC9965 commented 6 months ago

您好,Lung Mask 和 Lung Keypoints都用了。但是我们是将Keypoints转成了3x3x3的patch算Dice Loss。所以整个网络用了Image similarity,Mask Dice, Keypoints Dice, 和smooth regularization。

谢谢您的回复,感谢无私的开源精神

ZZC9965 commented 6 months ago

Code and Readme of 3D Lung Registration (Learn2Reg 2022 Task1) are provided.

你好,我按照预处理做了操作,但最后验证计算TRE和Dice时,dice效果确实非常好,TRE却与为配准前差别不大,我看您在排行榜上TRE也取得了不错的效果,请问您对我出现的这个情况是否能给出一些建议?

xi-jia commented 6 months ago

也许您可以训练 1)仅使用关键点掩码作为损失的模型和 2)仅使用数据相似性的模型? 然后比较 1) 和 2) 以查看您的关键点蒙版是否正常工作。