《表3 基于DRIVE数据集的算法性能对比》
表3给出了基于DRIVE数据集的不同算法性能对比结果.根据表3可以看出,医学图像的语义分割方法往往在FCN和U-Net的基础上进行改进.虽然改进特征提取方法可以提取更加丰富的语义信息,提高分割的准确率,但是不同特征提取方法间的准确率差异微小,这是由于医学图像更注重小尺度特征的提取,多尺度卷积、空洞卷积等增大感受野的方法对医学图像的分割没有明显效果.同时,在特征的利用方式上,通过跳跃连接融合浅层和深层特征的方法并不能实现对已提取特征的有效利用.可以从如何提取小尺度特征和如何更好地利用已提取特征的角度提高医学图像的分割准确率.
图表编号 | XD00175970000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.01 |
作者 | 田启川、孟颖 |
绘制单位 | 北京建筑大学电气与信息工程学院、建筑大数据智能处理方法研究北京市重点实验室、北京建筑大学电气与信息工程学院、建筑大数据智能处理方法研究北京市重点实验室 |
更多格式 | 高清、无水印(增值服务) |