喂，大家晚上好，我是***
我这周的主要的进展是，
添加了一些常见的评测指标
比如，Jaccard，这个是，值越大越好。
还有 一些常见的距离
assd, ravd, hd，这三个值越小，
模型预测越好。。
评测指标，越大越好，还是越小越好
已经通过这里的箭头，表示出来了
这里的结果是，
输入的图片大小为 （124，124）
不同模型在测试集上的结果
这个 Hnet++是我最近新添加的
他是结合了 纯卷积的Sum Net
和 纯atten的FullAttenSUMNet
如果就 比较 Hnet++和
Sumnet， FullAttenSumnet的话，
Hnet++ 在 Dice 和 Jaccard的值
要比上述两个模型好
如果拿 Hnet++和 Baseline（Unet）比的话
可以看到，，
dice值从0.69提升到了0.785
所有的评测指标，比 baseline要好很多
但是，如果在加上 MedT的话
我们的模型是 不占优势的
因为 Hnet++ 的构造比较复杂，
训练50论，也是出现了一定过拟合的现象
然后，我又构造了 MHnet++， MIcroHnet++
很大程度上减少了模型的层数和参数量
但是，他们的表现都不如 MedT
所以，我就试着 增大 数据的 data_shape
因为输入模型的data_shape变大的话，
模型就包含了更更多的信息
应该会减少过拟合的概率
结果，还是有不一样的地方的
加黑的，就是每一个评测指标，
表现最好的结果
可以看到，Hnet++的mdice要比 MedT好
在一些距离上，远远超过了 Ynet和 MedT
基本上可以猜想，
Hnet++在大数据集上，表现效果更好
但如果增加数据集的话
我们的对手，就可能是
之前过拟合的两个模型 Ynet和UXnet
这也可以看到
dice， jaccard确实是 Ynet比Hnet++要好
所以，我下周的第一个任务就是
调研一下，医学图像领域，
常用的数据增强方法，
并且复现一下。。
第二就是继续看看最新的文章
并思考有没有更好的办法
（翻页）
大家有什么问题吗？
没有的话，那我就结束了
网友评论