《表5 在CRC数据上使用不同的指标评估C-GCN》

  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

《基于细胞图卷积的组织病理图像分类研究》

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

表5中，C-GCN模型直接对4 548×7 548的高分辨率病理图像进行三分类训练，从评估指标来看，也获得了比较高的准确率，并且癌症和高等级的召回率很高，说明了本文方法能够准确地将癌变病理图像进行区分，虽然高等级分类的精确率比较低，只有0.70，这是由于在高等级分类中，将低等级分化的癌变也视为了阴性类别，所以在高等级分类中，误将某些倾向于高等级分化的低等级癌变图像也预测为高等级，从而导致了在高等级分类的精确率较低。从图8的AUC-ROC曲线来看，癌症与高等级的AUC值均为0.98，进一步证明了模型在分类预测中具有较高的稳定性和鲁棒性。