Image processing 如果整个地面真值为黑色，则进行医学图像分割

我对深度学习还不熟悉。我正在做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。我认为这是因为有图像，对应的地面真相是黑色的（相当多的图像）。所以，我想这可能会引起一个问题

如果整个遮罩为黑色，则表示图像中没有所需对象。下面是一个示例图像

下面是相应的基本事实

我不知道如何处理这种情况。我应该删除所有（图像，地面真相）对吗？ CT图像是体积图像。因此，当我的模型在一个新的测试集中预测分割时，它还应该检测到没有期望对象的图像。如果有人能在这方面指导我，我将不胜感激

---

数据集：

图像分割比图像分类更像。
因此，您不应查看“空白图像”/“对象图像”的比率，而应查看“空白像素”/“对象像素”的比率。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问题

---

列出了焦点丢失和在线硬负挖掘作为处理类不平衡的好方法。

我的建议是删除这些样本，看看模型是否变得更好。这样的图像与总样本的比例是多少？@thushv89，我现在检查过了。我的目标与否的比率是4409:8386。也就是说，在12795张图片中有8386张是黑色的。这太糟糕了。哇！这相当高。难怪你的模特疯了。。。再次尝试移除它们，看看是否有帮助。我想你在解决一个二元分类问题？虽然我不能保证，但我认为你们能用你们得到的~4400达到一个不错的状态。@thushv89。我正在解决图像分割问题。我会照你的建议去做。如果您还有其他想法，请与我们分享。非常感谢你。