《表2 基于语义优化的深度语义树算法各部分对实验结果的影响》
基于语义优化的深度语义树算法各部分对实验结果的影响如表2所示。“CNN?SEAUTO”表示CNN卷积层接自编码器进行语义优化后接入树结构,相似度计算采用初始权重;“CNN?WE”表示CNN卷积层直接接入树结构,采用自适应权重方法进行相似度计算;“CNN?CC”表示CNN卷积层直接接入树结构,采用基于同心圆限制的匹配方法进行相似度计算,由表中实验结果可知,各项改进方法对实验效果都有一定的提升作用。其中,自编码器语义优化和自适应权重分别将肿块检索精度提高了2.3%和2.9%,较大幅度地提高了肿块检索精度,基于同心圆的限制匹配方法在肿块检索精度和正常组织检索精度上均提升了1.9%。采用了多项改进方法的基于深度语义优化的深度语义树检索方法,在检索精度上获得了极大的提升,其中,肿块检索精度提升了9.7%,正常组织检索精度提高了3.3%,平均精度提高了6.5%,对于乳腺X线图像而言,肿块检索精度的提高能减少医生的误检率。
图表编号 | XD00170136500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.01 |
作者 | 邹佩、王颖、李洁 |
绘制单位 | 西安电子科技大学电子工程学院、西安电子科技大学电子工程学院、西安电子科技大学电子工程学院 |
更多格式 | 高清、无水印(增值服务) |