小编Md *_*que的帖子

我正在研究医学图像分割。我有两节课。0 级作为背景，1 级作为病变。由于数据集高度不平衡，我使用损失函数作为（1 - 加权骰子系数）和度量函数作为骰子系数。我已将数据集从 0-255 标准化为 0-1。我正在使用带有 tensorflow 后端的 keras 来训练模型。在训练 UNet++ 模型时，我的损失函数随着每个时期而减少，但我的指标保持不变。我无法理解为什么随着损失按预期减少，指标是恒定的？另外，我无法理解，为什么当骰子系数返回 0 到 1 之间的值时损失大于 1？

这是我的损失函数：

def dice_loss(y_true, y_pred):
    smooth = 1.
    w1 = 0.3
    w2 = 0.7

    y_true_f = K.flatten(y_true[...,0])
    y_pred_f = K.flatten(y_pred[...,0])
    intersect = K.abs(K.sum(y_true_f * y_pred_f, axis = -1))
    denom = K.abs(K.sum(y_true_f, axis = -1)) + K.abs(K.sum(y_pred_f, axis = -1))
    coef1 = (2 * intersect + smooth) / (denom + smooth)

    y_true_f1 = K.flatten(y_true[...,1])
    y_pred_f1 = K.flatten(y_pred[...,1])
    intersect1 = K.abs(K.sum(y_true_f1 * y_pred_f1, axis …