《表6 分类准确率对比：基于卷积神经网络和集成学习的阿尔茨海默症早期诊断》

  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

本实验采用5折交叉验证方法，最终三组实验的分类准确率均值分别为：AD vs.HC 81%，MCIc vs.HC 79%，MCIc vs.MCInc 62%。本文与另外两种AD早期诊断模型进行了对比，详细实验结果见表6。表6中PCA+SVM代表文献[20]提出的基于主成分分析（principal component analysis，PCA）和SVM的诊断模型；二维卷积神经网络（twodimensional convolutional neural network，2DCNN）代表文献[14]提出的使用单切片训练的2DCNN诊断模型；2DCNN+Ensemble代表本文提出的基于2DCNN和Ensemble的多切片集成诊断模型。三组实验均使用前面提到的509名被试的MRI图像进行训练和测试，具有可比性。