《表1 混淆矩阵：深度学习算法在颈动脉超声图像斑块分割中的应用研究》

  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

《深度学习算法在颈动脉超声图像斑块分割中的应用研究》

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

对于二分类问题，混沌矩阵是常用的评价指标模型。为了避免受到主观因素的影响，使评价结果更具真实性和可靠性，当对本文基于深度学习算法在颈动脉超声图像中效果进行评估时，也可以采用常规的评价指标，详见表1。其中，TP表示真正例样本的数量，FP表示假正例样本的数量，TN表示真反例样本的数量，FN表示假反例样本的数量。根据混淆矩阵可以得到目标的准确率、精确度、召回率等评价指标。参照表1则可计算得到目标的精确度和召回率，具体如下: