Unet分割医学图像全记录/结果全白解决办法/多分类Dice loss

任务介绍

本项目是基于Unet网络对心肌图像进行心池和心肌分割。写这篇博客为了记录下我在写模型时遇到的bug和思考，我发现好像没有一篇从头到尾的笔记，我作为小白真的遇到了很多大坑，所以写写我建模的整个过程。一把辛酸泪www
如果碰巧你也遇到了这些bug,希望我的方法能帮助你呀。
最后贴上全部代码：GitHub

数据来源及预处理

1. 数据介绍
   数据为45位病人LGE MRI图像，数据格式为nii.gz。随机抽选9张图像为训练集，validation dataset比例为10%。
   1）先将3Dnii.gz图像转换成2D切片
   nii.gz是医学图像常用的格式。可以通过SimpleITK库处理。
   将3D图像转成2D切片的思路很简单，因为是按列表存储将一张张2D切片存储成3D图像的。
   完整代码过长，具体见GitHub

def load_img(path):
    img = sitk.ReadImage(path)
    data = sitk.GetArrayFromImage(img)
    return data
def clip_img(img,path):
    for i in range(img.shape[0])
        clip = img[i]
        clip = clip[0:240,0:240]
        clip_file = os.path.join