样本加权回归 Niftynet
Sample Weighting Regression Niftynet
晚上好，
我对 Niftynet 中的回归应用有疑问。
事实上，我试图从 MRI(s) 预测 CT 连续 UH 图。
因此，我使用收敛的回归 CNN (highres3dnet)，但作为输出，我自然会得到介于 ~(-5;5) 之间的值，而它们应介于 (-1000+1000) 之间。因此，我想知道我应该修改我的训练和/或推理 ini 文件中的哪些内容。我尝试了百分位归一化（使用 histogram_ref_file）、加权采样（将输入图像表示为权重），但不确定我是否执行得很好，遗憾的是在 CMIC 的网页上找不到关于这一点的信息。
提前致谢。
保罗
hires3dnet 默认在最后一层使用 batch norm 和无偏差项 (https://github.com/NifTK/NiftyNet/blob/v0.2.2/niftynet/network/highres3dnet_large.py#L140)。您可以 a) 预处理 CT 使其具有零均值和单位方差，或者 b) 删除批量规范并通过 fc_layer = ConvolutionalLayer(..., with_bias=True, with_bn=False, ...).
向最后一层添加偏差项
晚上好，
我对 Niftynet 中的回归应用有疑问。 事实上，我试图从 MRI(s) 预测 CT 连续 UH 图。 因此，我使用收敛的回归 CNN (highres3dnet)，但作为输出，我自然会得到介于 ~(-5;5) 之间的值，而它们应介于 (-1000+1000) 之间。因此，我想知道我应该修改我的训练和/或推理 ini 文件中的哪些内容。我尝试了百分位归一化（使用 histogram_ref_file）、加权采样（将输入图像表示为权重），但不确定我是否执行得很好，遗憾的是在 CMIC 的网页上找不到关于这一点的信息。
提前致谢。
保罗
hires3dnet 默认在最后一层使用 batch norm 和无偏差项 (https://github.com/NifTK/NiftyNet/blob/v0.2.2/niftynet/network/highres3dnet_large.py#L140)。您可以 a) 预处理 CT 使其具有零均值和单位方差，或者 b) 删除批量规范并通过 fc_layer = ConvolutionalLayer(..., with_bias=True, with_bn=False, ...).