《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》
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)。
图表编号 | XD00101827900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.01 |
作者 | 谢斌、何小宇、黄伟红、沈敏学、李芳芳、赵爽 |
绘制单位 | 中南大学自动化学院、中南大学湘雅医院移动医疗教育部-中国移动联合实验室、中南大学自动化学院、中南大学湘雅医院移动医疗教育部-中国移动联合实验室、中南大学湘雅医院皮肤科湖南省皮肤肿瘤和银屑病重点实验室湖南省皮肤健康与疾病工程研究中心、中南大学湘雅医院皮肤科湖南省皮肤肿瘤和银屑病重点实验室湖南省皮肤健康与疾病工程研究中心、中南大学湘雅医院皮肤科湖南省皮肤肿瘤和银屑病重点实验室湖南省皮肤健康与疾病工程研究中心 |
更多格式 | 高清、无水印(增值服务) |