《表1 FCM、SVM、RF和DL方法的特点比较》

  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

《机器学习在MRI图像脑肿瘤分割中的研究进展》

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

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。