《表5 在CRC数据上使用不同的指标评估C-GCN》
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。
图表编号 | XD00189008700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.15 |
作者 | 崔浩阳、丁偕、张敬谊 |
绘制单位 | 万达信息股份有限公司数据智能部、万达信息股份有限公司数据智能部、万达信息股份有限公司数据智能部 |
更多格式 | 高清、无水印(增值服务) |