《表3 313个病人的计划阶段CT图像上前列腺分割基于DSC和ASD(单位:mm)指标的定量比较》

  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

《轮廓指导的层级混合多任务全卷积网络》

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

我们进一步将我们的HFFCN方法与其他先进的分割方法作对比[3，4，24，25]，它们大多数是基于可变形模型的方法.需要指出的是，一些竞争方法也利用边缘信息（例如使用回归线索[4]或使用位移图[3，25]）进行分割，并且在过去取得了非常好的分割效果.其中，Martinez等人[24]提出了一种基于贝叶斯先验初始化的可变形模型方法.Shao等人[4]提出了一种使用基于回归森林方法生成的形状先验的可变形模型方法.Gao等人[3，25]提出了一种同时训练回归器和分类器的可变形模型方法.实验结果见表3（最优值用粗体标出）.通过表3可以观察到，HFFCN-3方法在DSC和ASD方面始终取得最佳性能，这表明了所提出算法的效力.