《表1 FCM、SVM、RF和DL方法的特点比较》
4种机器学习方法各自的优缺点见表1。从表1可以得出当实验数据样本量较小的情况下,传统机器学习比DL可得到较为鲁棒的结果,并且可避免DL较长的训练时间。而拥有海量数据的研究采取DL方法可得到较高的识别和分割准确率。随着时间的推移,具体某一种脑肿瘤数据量不断积累,这将推动DL在MRI图像脑肿瘤识别与分割中的应用,从而实现获取更为理想的分割结果。传统机器学习方法中,特征维数影响分类器的分类性能,SVM较RF更适用于较低维度特征数据,具体研究中应根据提取的特征维数选择合适的分类器。而对于FCM,适合用于无法获取训练样本的情况。
图表编号 | XD00113279700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.15 |
作者 | 包星星、赵璨、饶家声 |
绘制单位 | 北京航空航天大学生物与医学工程学院生物材料与神经再生北京市重点实验室、北京航空航天大学生物医学工程高精尖创新中心、北京航空航天大学仪器科学与光电工程学院测控与信息技术系、北京航空航天大学生物与医学工程学院生物材料与神经再生北京市重点实验室、北京航空航天大学生物医学工程高精尖创新中心 |
更多格式 | 高清、无水印(增值服务) |