《表1 脑肿瘤分割算法的Dice系数的均值比较Tab.1Comparison of mean Dice value of brain tumor segmentation algorithms》

  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

《基于三维全卷积DenseNet的脑胶质瘤MRI分割》

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

图6从左到右分别是二维Dense Net_Base网络分割结果P208（Patch Size=208）、三维Dense Net_Base分割结果S032（Stride=32）、S016（Stride=16），S008（Stride=8）的分割结果和专家分割的结果（Truth）。第1行是整个的分割结果图，第2行是第1行中同一个区域的局部放大图，我们将同一区域用黄色框来表示。表1是该4种实验和他人方法的分割精度的定量指标以及同设备下的计算时间。从视觉感受以及定量指标均可以看出在分割精度上三维结构优于二维，且融合步长越小精度越高，但计算时间越长。通用二维网络的分割精度为82.4%、66.5%和61.1%，在考虑了医学数据三维特性后的网络分割精度达到了83.4%、69.2%和62.9%。在针对脑胶质瘤数据集特点而引入了多Dice损失函数并进行数据扩增，分割精度达到了85.1%、71.2%和63.0%（表1）。