昨天写了一个使用CNN检测MRI图片心室的感兴趣区域，输入为512*512，输出为100*100的ROI。在这里的检验指标我是用的是DICE Index，公式如下，其中A指自动分割区域，M是专家已经标记好的ground truth。因为此前是用传统方法进行ROI提取（主要是通过canny边缘检测和霍夫圆形检测），以及使用中心区域直接提取的方法，在这里一并进行比较。
计算Dice指数时需要计算各个分割出的mask的对应坐标的像素值是否匹配，此前使用了两重for循环遍历像素点，感觉是又长又丑，真的是又长又丑，如图2所示：
秉着简洁的原则，对代码进行了精简，添加了两个类，最后精简后的代码如下：
这看着就舒服多了，其中ground_roi是提取出的ground truth类，ground_roi.point为原始图片中已经被划分好的为ROI区域的坐标；ground_roi.sum为ROI总点数，为10201（是101*101的结果，可能是resize过程有一些小问题，明天再解决）；ground_roi.location提取每个坐标。pre_roi是预测的ROI类，pre_roi.roi为被自动预测的ROI坐标；pre_roi.sum对ROI总点数求和；pre_roi.location提取每个预测ROI的坐标；pre_roi.mask求出预测ROI与ground truth的重叠的像素个数。
最终求的CNN检测的DICE指数：0.833；直接提取中心区域ROI的DICE指数：0.757；传统方法提取ROI的的DICE指数：0.728，还是有一定效果的。