《表1 不同方法的实验结果对比》

  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

《基于特征融合和动态多尺度空洞卷积的超声甲状腺分割网络》

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

将本文提出算法与其他医学图像分割算法进行性能对比，采用传统基于Res Net34为特征提取器的U-Net作为实验基准，在多种医学图像分割泛化能力较强的CE-Net[19]以及在目标分割和边缘细化任务相对具有代表性的BASNet[20]和针对超声甲状腺分割的SUMNet[5]作为实验效果对比，结果如表1所示。