《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》
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。
图表编号 | XD00106169300 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) |