《表3 不同模型对各类肿瘤组织分割结果的对比》

  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

《基于空洞卷积的三维并行卷积神经网络脑肿瘤分割》

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

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。