数据集问题

[HEL7777]

请问CAMUS这个数据集的图片loss很快为0是怎么回事

[HEL7777]

是不是camus数据集那里的格式处理不同

[HuashengPang]

请问使用CAMUS数据集时，为什么验证集上的val_dice一直不变？？

[MacDunno]

同问啊

[xianlin7]

请问使用CAMUS数据集时，为什么验证集上的val_dice一直不变？？

CAMUS里面含有三个类别，类别和类别之间过度地带特征比较模糊，在确保预处理好的数据集没有问题的情况下，可以从以下两个个方面进行尝试： （1） 单点提示，不同类别之间特征过于相似，同步训练时模型对提示感到蒙圈。可以加入多个点提示（5-20个）试试。（多个数据集进行训练时，数据量更充足，特征更鲁棒，就不存在这个问题） （2）单独微调各个类别，检查模型是否正常训练。batch size=4或8， lr恒定为0.0001，检查点提示是否是256*256尺寸下的坐标点，检查点提示是否进入了提示编码器，检查模型是否对新引入的组件进行了解冻。

[songWell]

请问使用CAMUS数据集时，为什么验证集上的val_dice一直不变？？

@HuashengPang 你好，我遇到相同的问题，请问您是如何解决的？我的输出seg都是0

[songWell]

请问使用CAMUS数据集时，为什么验证集上的val_dice一直不变？？

CAMUS里面含有三个类别，类别和类别之间过度地带特征比较模糊，在确保预处理好的数据集没有问题的情况下，可以从以下两个个方面进行尝试： （1） 单点提示，不同类别之间特征过于相似，同步训练时模型对提示感到蒙圈。可以加入多个点提示（5-20个）试试。（多个数据集进行训练时，数据量更充足，特征更鲁棒，就不存在这个问题） （2）单独微调各个类别，检查模型是否正常训练。batch size=4或8， lr恒定为0.0001，检查点提示是否是256*256尺寸下的坐标点，检查点提示是否进入了提示编码器，检查模型是否对新引入的组件进行了解冻。

@xianlin7 您好，请问你们是如何预处理CAMUS的数据的，我这边是通过sitk resize到256x256的方式。 def resampleXYSize(sitkImage, new_xsize, new_ysize): ''' newsitkImage = resampleSize(sitkImage, depth=DEPTH) '''

重采样函数

euler3d = sitk.Euler3DTransform()

xsize, ysize, zsize = sitkImage.GetSize()
xspacing, yspacing, zspacing = sitkImage.GetSpacing()
new_spacing_x = xspacing/(new_xsize/float(xsize))
new_spacing_y = yspacing/(new_ysize/float(ysize))

origin = sitkImage.GetOrigin()
direction = sitkImage.GetDirection()
#根据新的spacing 计算新的size
newsize = (new_xsize,new_ysize,zsize)
newspace = (new_spacing_x, new_spacing_y, zspacing)
sitkImage = sitk.Resample(sitkImage,newsize,euler3d,sitk.sitkNearestNeighbor,origin,newspace,direction)
return sitkImage

[songWell]

@xianlin7 你好，请问CAMUS的eval_model是camusmulti吗？是否应该改为mask_slice? 如果确实是使用camusmulti?请问evaluation.py的eval_camus_patient是什么作用？ predict = F.softmax(pred['masks'], dim=1) pred = predict.detach().cpu().numpy() # (b, c, h, w) seg = np.argmax(pred, axis=1)

[songWell]

@xianlin7 你好，请问CAMUS的eval_model是camusmulti吗？是否应该改为mask_slice? 如果确实是使用camusmulti?请问evaluation.py的eval_camus_patient是什么作用？ predict = F.softmax(pred['masks'], dim=1) pred = predict.detach().cpu().numpy() # (b, c, h, w) seg = np.argmax(pred, axis=1)

哦哦，这个eval_camus_patient应该是用于多类别的吧。但目前SAMUS在camus上的输出是单层的，并且使用的CAMUS是单类别训练的，应该要换成其他eval_model吧。