整个地面实况为黑色时的医学图像分割

Medical Image Segmentation if the entire ground truth is black

我是深度学习新手。我正在处理 CT 扫描医学图像。我想使用 UNet 架构来预测 图像分割 。我已经成功地实现了 UNet，但是，我的预测是完全错误的。我认为这是因为有一些图像，其相应的基本事实是黑色的（相当多的图像）。所以，我想这可能会导致问题。

如果整个蒙版都是黑色的，则表示图像中没有所需的对象。下面是一个示例图片；

下面是对应的ground truth.

我不知道如何处理这种情况。我应该删除所有 (image, ground truth) 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，它还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。

图像分割更像是而不是 image classification.
因此，你不应该看“空白图像”/“对象图像”的比率，而是“空白像素”/“对象像素[=”的比率23=]”。我猜这个比例更偏向于“空白”像素。

这意味着您正在处理严重的 class imbalance。

将 focal loss 和在线 hard negative mining 列为处理 class 不平衡的好方法。