《表3 各U-net模型结果之间DSC配对t检验结果》
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
《基于多种U-net模型的宫颈癌肿瘤超声影像靶区自动分割比较研究》
分割在医学图像的处理中起着关键作用。由于医学图像具有高度的噪声污染,为了可视化组织内部的相对位置和形状,常需要一个完整的分割算法。由于超声图像中目标和背景之间的对比度较低,对大多数解剖结构,特别是超声图像中的病变(结节)的准确分割仍然是一项具有挑战性的任务[26]。本研究提出U-net++_re1、U-net++_re2和U-net++_re3由U-net++依次逐层还原拼接得到,由表2可知对于宫颈癌超声图像,自动分割的效果在逐层还原的过程中先变好,再变差,U-net++_re2取得最好的分割效果;从表3可知U-net++_re2优于U-net++,差异具有统计学意义,可见本研究提出的方法可以提高U-net++分割效果,而U-net++_re2虽然平均值大于U-net++_re1和U-net++_re3,但差异没有统计学意义。U-net++_re2对U-net++有优化的原因是超声图像斑点噪声存在,浅层网络的嵌套密集卷积将无意义的特征向量反复引入,导致了结果的下降。而在深层嵌套密集卷积,由于深层的特征包含更多分割特征,反复嵌套密集卷积使得重复采用深层分割特征而更优于U-net++_re3。Amiri等[27]对U-net模型进行微调,在乳房US图像上的自动勾画得到的平均DSC为0.80±0.03。
图表编号 | XD00168590600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.28 |
作者 | 杜德希、金珏斌、张吉、朱可成、肖承健、滕银燕、金献测 |
绘制单位 | 丽水市中心医院放疗科温州医科大学附属第五医院、温州医科大学附属第一医院放化科、温州医科大学附属第一医院放化科、温州医科大学附属第一医院放化科、温州医科大学附属第一医院放化科、温州医科大学附属第一医院超声影像科、温州医科大学附属第一医院物理室 |
更多格式 | 高清、无水印(增值服务) |