《表1 5种CNN模型结果的对比》

  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

《基于卷积神经网络的基底细胞癌和色素痣的临床图像鉴别》

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

用5个训练好的CNN模型对测试集的349幅基底细胞癌和497幅色素痣的图像进行测试，ROC曲线和4个性能评价指标的结果均显示:5种CNN模型均具有很好的识别基底细胞癌和色素痣的能力。从基底细胞癌和色素痣的单种疾病的AUC值来看，Xception的分类结果是最优的，分别可以达到0.974和0.969；而且从整体上来看，Xception的整体正确率也是最优的，可以达到93.5%（图3，表1）。