《表3 MCIc vs.HC数据扩充详细信息》

  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

《基于卷积神经网络和集成学习的阿尔茨海默症早期诊断》

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

CNN需要大量图片进行训练才能达到较好的效果，如果直接用原始切片训练CNN基分类器，数据量是远远不够的。本实验对切片进行了数据扩充（data augmentation，DA），通过旋转、平移、伽马校正、随机噪声、缩放、随机仿射变换六个操作从原始切片生成新的切片。本实验在数据扩充时，不同类别的原始切片生成新切片的数量是不同的，原始切片较少的那类在数据扩充时会生成更多新切片，使得数据扩充后两种类别的切片数量基本相同，这样可以缩小数据集不平衡的影响。例如在MCIc vs.HC的分类实验中，HC有162例，MCIc有76例，HC的原始切片数约为MCIc的2.1倍，因此在用六种数据扩充操作生成新切片时，每种操作中每张HC切片生成10张新切片，每张MCIc切片生成10*2.1张新切片，数据扩充后两类切片比例约为1∶1。MCIc vs.HC实验中数据扩充后切片数详情如表3所示，其他分类实验数据扩充方法与此相同，不再列出。