《表1 分割结果的误分率：基于自适应能量偏移场无边缘主动轮廓模型的乳腺肿块分割与分类方法研究》

  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

《基于自适应能量偏移场无边缘主动轮廓模型的乳腺肿块分割与分类方法研究》

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

由此可见，CV模型对于灰度不均匀的ROI效果不理想，RSF模型的缺点是当肿块边缘与RSF的初始轮廓偏离较大时，容易陷入局部最优，LIF模型只考虑了局部拟合图像与原始图像的灰度差异，所以对背景噪声非常敏感，故传统三大轮廓模型不适于分割乳腺图像，本文采用自适应能量偏移场的方法对CV模型进行改进，使得全局项与局部项的动态面积拟合能量函数进行模型非线性化调整，与传统CV模型、RSF模型、LIF模型及CV+WS算法、改进CV算法和基于Gestalt算法相比，分割效果都有提高，较好地保留了肿块的针状化特征等细节特征，为乳腺肿块的后续分类和识别工作打下了基础。