《表4 病变区域检测比较：基于R-FCN算法的糖尿病眼底病变自动诊断》

  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R-FCN算法的糖尿病眼底病变自动诊断》

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

从表4的结果可以看出，目标检测类的算法对于病变区域的检测很有效。改进后的R-FCN在小目标检测（微血管瘤和眼底出血）明显比原始R-FCN和Faster R-CNN更优，微血管瘤AP从81.35%提升到83.68%，眼底出血AP从90.46%提升到92.28%，可见改进后的R-FCN算法有效解决了微血管瘤和眼底出血的漏检问题。玻璃体出血是十分明显的大目标，基于深度学习的目标检测算法都能100%检测到。另外训练集中没有健康人的图片，而在测试集的健康人图片上，算法的病变区域检测结果为空。这说明算法准确度非常高，神经网络已经训练出正确预测病变区域的模型，不会对未经训练过的健康人眼底图像预测出病变检测。