《表2 不同融合方法分割结果与金标准的Dice值(图库2)》

  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

《基于生成模型约束的graph cuts标签融合算法》

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

表1、2显示了MV、WV、STAPLE、ML和本文融合方法分割两个图库人脑MR图像海马体结构同金标准的相似性测度Dice值。由表可知，本文算法对两个图库人脑MR图像的分割结果与MV、WV、STAPLE、ML融合方法相比，均有一定程度的提高。利用本文算法对图库1进行海马体分割的实验，分割精度相比于四种算法分别提高了约0.23、0.07、0.065、0.02，本文算法对图库2进行海马体分割的实验，分割精度相比于四种算法分别提高了约0.35、0.17、0.05、0.02，验证了本文算法的鲁棒性。本文算法的分割结果与金标准相似度最高，分割结果是最好的。图12、13显示了各融合算法盒状图，盒状图中分别显示了各算法分割精度的最小值、下四分位数、中位数、上四分位数、最大值。由盒状图可以看出本文算法分割精度相比于其他算法都有一定程度的提高。