《表2 不同方法分割结果的比较》

  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

《基于多网络集成的脑白质高信号分割方法》

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

将本研究的结果与目前发表的其他5种方法的结果做了定量比较。其中U-Net Ensembles[25]是2017年MICCAI会议上白质高信号分割比赛的第一名，即目前在这批数据上表现最好的算法。可以直观看出，本研究提出的集成模型的算法在5个评价指标上基本均优于其他5种算法，与当前最好的U-Net Ensembles算法比较之后：Dice相似系数相对高出2%，豪斯多夫距离减小5%，平均体积差异减小4%，F1值高出1.2%，召回率略低于U-Net Ensembles（表2）。