图像分割评价指标 - dice coefficient

参考链接：https://blog.csdn.net/Biyoner/article/details/84728417
https://en.wikipedia.org/wiki/S%C3%B8rensen%E2%80%93Dice_coefficient
https://www.aiuai.cn/aifarm1159.html
评价指标参考链接：https://blog.csdn.net/Pierce_KK/article/details/96505691

一、Dice介绍

dice coefficient是用于评估两个样本的相似性的统计量，本质上是衡量两个样本的重叠部分。
公式：

|x|、|Y|分别表示每个集合中元素数。其中，分子中的系数 2，是因为分母存在重复计算 X 和 Y 之间的共同元素的原因。
dice loss比较适用于样本极度不均的情况，一般的情况下，使用 dice loss 会对反向传播造成不利的影响，容易使训练变得不稳定。
可以用如下公式，使Dice作为损失函数来使用：
soft dice loss=1-DSC

二、Dice的计算

import keras.backend as K

• $$|X|\cap |Y|常见计算方法：$$

	X= K.flatten(y_true)
    Y = K.flatten(y_pred)
    intersection = K.sum(X * Y)

• $$|X|、|Y|常见计算方法:$$

	K.sum(X) 
 	K.sum(Y)

• $$Dice:$$

def dice_coef(y_true, y_pred, smooth=1e-3):
    y_true_f = K.flatten(y_true)
    y_pred_f = K.flatten(y_pred)
    intersection = K.sum(y_true_f * y_pred_f)
    return K.mean((2. * intersection + smooth) / (K.sum(y_true_f) + K.sum(y_pred_f) + smooth))

其中smooth目的：防止分母为0