《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》
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。
图表编号 | XD00201829700 严禁用于非法目的 |
---|---|
绘制时间 | 2021.03.10 |
作者 | 胡屹杉、秦品乐、曾建潮、柴锐、王丽芳 |
绘制单位 | 山西省医学影像与数据分析工程研究中心(中北大学)、中北大学大数据学院、山西省医学影像人工智能工程技术研究中心(中北大学)、山西省医学影像与数据分析工程研究中心(中北大学)、中北大学大数据学院、山西省医学影像人工智能工程技术研究中心(中北大学)、山西省医学影像与数据分析工程研究中心(中北大学)、中北大学大数据学院、山西省医学影像人工智能工程技术研究中心(中北大学)、山西省医学影像与数据分析工程研究中心(中北大学)、中北大学大数据学院、山西省医学影像人工智能工程技术研究中心(中北大学)、山西省医学影像与数据分 |
更多格式 | 高清、无水印(增值服务) |