《表3 基于U-Net网络不同算法性能指标比较》

  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

《改进U型网络的眼底视网膜血管分割方法》

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

为进一步说明本文算法将带有二次循环残差卷积模块的上下采样卷积层和带有注意力模块的跳跃连接与U-Net网络融合具有一定的优势，本文将基于原始U-Net网络进行部分调整，并在DRIVE数据集进行了对比实验，测试其准确率、敏感性、特异性、F1值与AUC值，如表3所示，表中：N1表示为原始U-Net网络对眼底图像进行的分割结果；N2表示为仅更改卷积层为R2CU的U-Net分割结果；N3表示为融合注意力机制的跳跃连接方法的U-Net分割结果；N4表示本文算法分割结果。