《表3 不同方法合成皮肤镜图像评估结果》

  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

《采用pix2pixHD的高分辨率皮肤镜图像合成方法》

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

通过图6和表3可以看出:（1）和pix2pix HD生成的图像相比，本文方法合成的图像不仅病灶位置与原始图像基本一致，而且背景颜色等特征也基本符合；表明本文改进的生成器可以有效地融合浅层和深层特征，避免了目标位置和背景颜色等浅层信息的丢失，得到的IS值和FID值与视觉感知效果相匹配.（2）将DCGAN生成图像与PGAN和pix2pix HD相比，DCGAN不仅缺乏细粒度的纹理特征，而且出现局部崩塌的现象，不适合生成高质量的皮肤镜图像.通过表3的合成图像定量评估也证实了DCGAN模型表现最差.（3）将PGAN生成图像与pix2pix HD相比，PGAN在锐度、恶性肿瘤标记物的存在以及细粒度细节等方面都与pix2pix HD表现出相近结果，相比与真实图像，pix2pix HD根据标签映射生成图像的病变位置与真实图像基本一致，但是由于PGAN合成的图像都是由随机噪声生成的，因此无法在像素方面将PGAN的结果与真实图像进行比较.通过表3也可以看出IS对合成图像定量评价的局限性，虽然PGAN的IS值很高即合成图像的质量很高，但是与真实图像的FID值也很高即相关性很低.