分割部分
利用T2-flair数据
训练500次后的分割效果：
loss值变化情况：
采用dice系数而不是交叉熵，所以会出现loss小于0的情况
dice系数：最终的val_dice在0.65左右
预测值：
真实标签：
利用reg_T1数据
训练500次后的分割效果：
最终的val_dice在0.7左右
预测值：
真实标签：
图像分割
深耕网站建设、视觉设计与SEO优化的一线实战洞察。
分割部分
利用T2-flair数据
训练500次后的分割效果：
loss值变化情况：
采用dice系数而不是交叉熵，所以会出现loss小于0的情况
dice系数：最终的val_dice在0.65左右
预测值：
真实标签：
利用reg_T1数据
训练500次后的分割效果：
最终的val_dice在0.7左右
预测值：
真实标签：