《表1 准确度对比结果：基于多模型卷积神经网络的乳腺癌病理医疗图像良恶性诊断》

  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

《基于多模型卷积神经网络的乳腺癌病理医疗图像良恶性诊断》

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

为证明本文方法在乳腺癌病理图像诊断方面的有效性，将本文方法与同样在BreakHis上开展的研究进行对比，对比结果展示见表1和表2．本文在这一部分的实验是在BreakHis200X数据集上展开，表中展示的准确度都是基于患者级别或图像级别．其中PFTAS+QDA、PFTAS+SVM和PFTAS+RF由Spanhol等在文献[5]中提出，Alex方法识别病理图像是文献[18]中的成果，Single-task CNN是文献[6]中单任务部分基于放大倍数独立的研究．DeCAf是文献[7]中作者以Alex为基础提取DeCAF特性而得出的方法．He指的是中国学者何雪英等采用一种改进的卷积神经网络得出的算法．