《表4 皮肤病变分类中真实和合成训练集的性能比较》
![《表4 皮肤病变分类中真实和合成训练集的性能比较》](http://bookimg.mtoou.info/tubiao/gif/JSJF202011009_08100.gif)
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》
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.
图表编号 | XD00189024600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.01 |
作者 | 丁赛赛、吕佳 |
绘制单位 | 重庆师范大学计算机与信息科学学院、重庆师范大学重庆市数字农业服务工程技术研究中心、重庆师范大学计算机与信息科学学院、重庆师范大学重庆市数字农业服务工程技术研究中心 |
更多格式 | 高清、无水印(增值服务) |