具有数据不平衡问题的二元分类损失函数

Question

我尝试使用带有 keras 的深度卷积神经网络分割 MR 图像中的多发性硬化病变。在此任务中，必须将每个体素分类为病变体素或健康体素。

这项任务的挑战是数据不平衡，即病变体素的数量少于健康体素的数量，并且数据极度不平衡。

我有少量的训练数据，我不能使用抽样技术。我尝试选择合适的损失函数来对这些图像中的体素进行分类。

我测试了focal 损失，但我无法在此损失函数中调整gamma 参数。

也许有人帮我看看如何为这个任务选择合适的损失函数？

Answer 1

Focal loss 确实是个不错的选择，但很难调到工作。

我建议使用online hard negative mining：在每次迭代中，在您通过forward 之后，您会计算每个体素的损失。 在计算梯度之前，按损失（从高到低）对“健康”体素进行排序，并将所有健康体素的损失设置为零，除了更差的k（其中k 是大约是批次中“病变”体素数量的 3 倍）。
这样一来，梯度只会被估计为一个大致平衡的集合。

This 视频详细解释了类不平衡如何对训练产生负面影响，以及如何使用在线硬负挖掘来克服它。