《表1 不同数据集实验结果》

  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

《基于多任务学习的口腔白斑与扁平苔藓的分割与识别》

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

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%。