针对使用Unet预测的结果全是黑（白）色的分析及解决方案

•出现该问题的原因是：选用的loss函数有问题，目前使用的loss函数是binary_corssentropy，这种loss函数将正样本和负样本均拿来计算loss值

•在医学图像分割的例子中，正样本（目标、器官等）非常的少，仅仅占图像面积中极少的一部分，但是负样本（背景或者无关区域）面积非常大，因此刚开始训练的时候，负样本就已经使得loss变得非常小了，准确率非常高了。

•解决方案方案是：选用DSC loss函数；这种loss（直观理解）约束的是正样本的准确率。

 

具体可以参考以下博主的分析：

https://blog.csdn.net/m0_37477175/article/details/83004746

个人觉得写的非常深刻，很有借鉴意义。