《表1 不同数据集实验结果》
本文主要针对口腔白斑及口腔扁平苔藓的辅助诊断问题,利用改进的Mask R-CNN进行口腔病损区域分类识别(口腔白斑、扁平苔藓及其他情况)与分割。现有的关于口腔斑纹类疾病的相关研究极少,因此,本文方法与AlexNet,VGG,ResNet和Mask R-CNN进行对比分析,以验证提出方法的有效性和优越性。前3个网络模型均为单一的神经网络以进行口腔斑纹类疾病的识别。而Mask R-CNN是将标签与分割图的训练数据输入网络,提取特征以进行分类识别并分割出病损区域。实验结果如表1所示,可以看出传统的网络模型对口腔斑纹类数据识别效果不佳,其中,性能最好的Resnet101分类结果仅能达到47.51%。本文使用改进的Mask R-CNN,准确率比AlexNet,VGG,ResNet和Mask-RCNN高出10.95%,11.73%,8.09%,4.25%。
图表编号 | XD00125599400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.25 |
作者 | 管子玉、谢飞、任文研、沈雪敏、许鹏飞、王和旭 |
绘制单位 | 西北大学信息科学与技术学院、西北工业大学计算机学院、咸阳师范学院计算机学院、西北大学信息科学与技术学院、上海交通大学医学院附属第九人民医院、西北大学信息科学与技术学院、西京学院 |
更多格式 | 高清、无水印(增值服务) |