《表4 皮肤病变分类中真实和合成训练集的性能比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《采用pix2pixHD的高分辨率皮肤镜图像合成方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

从表4可以看出，当仅使用2 000幅训练图像时，真实样本在黑色素瘤分类任务中取得了最高的AUC和特异性，分别为0.841和0.857；在脂溢性角化病分类任务中取得了最高的AUC和准确度，分别为0.925和0.887.在所有合成样本中，本文方法在黑色素瘤分类任务中取得了最高的ACU，准确度和特异性，分别为0.840，0.817和0.851；在脂溢性角化病分类任务中取得了最高的AUC，准确度和灵敏度，分别为0.923，0.880和0.722.由于PGAN和真实样本的相关性太低，虽然PGAN合成图像的质量较高，但PGAN的所有评价指标都比较低.实验结果表明，合成图像含有良恶性病变的特征，可以为分类网络提供有效的判别信息.