ダイスでPytorch医用画像セグメンテーション

ダイスで画像分割が多くを見つけるも見て、それが最も一般的に使用されるの一つである：
彼らの賃金の二つの絵を2倍しで割っ
書き込み特によく医用画像のダイス損失セグメンテーション、これを見ては十分です私自身の下に次のレコードを
完成し、クロスエントロピーで、各画素についてのクラス予測確率の原因アウトがあり、これらの確率は、ジョブに対応する画素を有効にする必要があります。

# lesion_pre为网络跑出来结果，假如它的shape是[4, 2, 512, 512]，这里做的是2D的图像，
# torch送网络的结构就是批次、纬度、高、宽。我们需要将第二个维度转换为0和1，看那个预
# 测概率大就取哪个，这样0和1就可以赋值了
lesion_mm = torch.max(lesion_pre, dim=1).indices

そして、あなたはそれがその前にCUDAの上で実行されている場合、CPUとnumpyのフォーマットへの変換に必要な時間を計算し、サイコロを計算します

def Dice(inp, target, eps=1):
	# 抹平了，弄成一维的
    input_flatten = inp.flatten()
    target_flatten = target.flatten()
    # 计算交集中的数量
    overlap = np.sum(input_flatten * target_flatten)
    # 返回值，让值在0和1之间波动
    return np.clip(((2. * overlap) / (np.sum(target_flatten) + np.sum(input_flatten) + eps)), 1e-4, 0.9999)

ソースへ