《表1 不同算法的分类准确率》
/%
卷积神经网络在医学图像分类方面已有许多相关的研究。近年来的方法大多利用2D CNN进行特征提取,再由全连接网络进行分类。单独的一张MRI图像并不容易确定其所属的类别,一些图像可能不包含病灶,不能够提供足够的信息。通过对所有二维图像的分类结果取平均能够较好地解决这个问题,但是丢失了这些图像之间的联系信息。这些信息可能有利于提高分类精度。相比2D模型,3D卷积能够捕获到MRI图像的局部空间特征,但是其缺点也比较明显,3D卷积有着更多的参数,可能增加过拟合的风险,尤其是当样本较少时。此外,3D模型的训练也需要更多的计算资源。表1为本文模型的实验结果与一些现有方法的比较。
图表编号 | XD00163340300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.01 |
作者 | 林颖、何啸峰、陈灵娜、陈俊熹 |
绘制单位 | 南华大学计算机学院、南华大学计算机学院、中南大学湘雅公共卫生学院、南华大学计算机学院、南华大学南华附属医院 |
更多格式 | 高清、无水印(增值服务) |