《表3 不同模型对各类肿瘤组织分割结果的对比》
多模态脑肿瘤分割在线评估的结果如表3所示,可以发现,本模型的分割精度接近已发表的部分先进模型。基于三维CNN保留空间层级化信息的特性,结合空洞卷积的三维并行CNN模型在全肿瘤组织中的分割效果优于多数模型,对肿瘤增强核心和非增强核心的分割效果也取得了较理想的结果。这证明了空洞卷积可以扩展感受野,捕获全局上下文信息,有效提高脑肿瘤分割的精度。随着MRI脑肿瘤患者训练集图像库的更新,数据类型呈多样化趋势,而空洞卷积代替传统池化层可以压缩参数量,缩短模型训练和测试的响应时间。随着硬件设备内存的不断增加,处理数据的能力提高,可进一步加深该模型的网络架构,获得更理想的模型配置。
图表编号 | XD00188246500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.25 |
作者 | 冯博文、吕晓琪、谷宇、李菁、刘阳 |
绘制单位 | 内蒙古科技大学信息工程学院内蒙古自治区模式识别与智能图像处理重点实验室、内蒙古科技大学信息工程学院内蒙古自治区模式识别与智能图像处理重点实验室、内蒙古工业大学信息工程学院、上海大学计算机工程与科学学院、内蒙古科技大学信息工程学院内蒙古自治区模式识别与智能图像处理重点实验室、上海大学计算机工程与科学学院、内蒙古科技大学信息工程学院内蒙古自治区模式识别与智能图像处理重点实验室、内蒙古科技大学信息工程学院内蒙古自治区模式识别与智能图像处理重点实验室 |
更多格式 | 高清、无水印(增值服务) |