《表1 FCN的性能评价:基于深度学习的超声自动测量左室射血分数的研究》
TP:真阳性率;FP:假阳性率;OM:重叠度;DR:Dice系数;MHD:修正的Hausdorff距离
为了对FCN分割算法进行初步的评价,将待测试的1150幅A2C和793幅A4C数据导入训练好的FCN模型中分割左室轮廓,从中随机选择5幅A2C数据和A4C数据图像,对比手动描记和自动分割左室结果,如图6所示。结果显示无论图像是否低对比度、模糊或存在噪声,自动分割的结果均接近医师手动描记的结果。为了评估分割的准确率,本研究应用真阳性率(TP)、假阳性率(FP)、重叠度量(OM)、Dice系数(DR)及修正的Hausdorff距离(MHD)来评估分割的准确率。应用FCN分割793幅A4C和1150幅A2C左室,所得结果的平均值和方差见表1。
图表编号 | XD0037057100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.30 |
作者 | 蒋建慧、姚静、张艳娟、赵海桐、许迪、罗守华 |
绘制单位 | 东南大学生物科学与医学工程学院、东南大学生物科学与医学工程学院、东南大学生物科学与医学工程学院 |
更多格式 | 高清、无水印(增值服务) |