《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》
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。
图表编号 | XD00106169100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.25 |
作者 | 曾安、贾龙飞、潘丹、Song Xiaowei |
绘制单位 | 广东工业大学计算机学院、广东省大数据分析与处理重点实验室、广东工业大学计算机学院、广东建设职业技术学院现代教育技术中心、广州市大智网络科技有限公司、西蒙弗雷泽大学影像技术实验室 |
更多格式 | 高清、无水印(增值服务) |