《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》
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.
图表编号 | XD00141261500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.01 |
作者 | 孙福权、丛成龙、张琨、孔超然、姜玉山、多允慧 |
绘制单位 | 东北大学信息科学与工程学院、东北大学秦皇岛分校数学与统计学院、东北大学信息科学与工程学院、东北大学信息科学与工程学院、东北大学秦皇岛分校数学与统计学院、东北大学信息科学与工程学院、东北大学信息科学与工程学院、东北大学秦皇岛分校数学与统计学院、东北大学信息科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |