《表2 网络结构消融结果的对比》
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》
为进一步说明网络各个模块的有效性,本文采用十折交叉验证选用随机的2个超声序列作为测试集验证各个模块的合理性。如表2所示,特征融合注意力模块可以明显地提升网络分割性能;动态多尺度空洞卷积增强图像对于多尺度特征获取可能会降低分割结果的精准率,若只关注不同尺度下的特征可能会导致图像冗余信息增多,通过特征融合注意力块筛选过滤特征中的冗余信息,能进一步提升网络的分割精度与准确性;混合上采样模块对于原始分割网络有一定的提升,在一定程度上能细化网络的分割结果。通过消融实验证明本文所设计的模块能有效地提高网络分割的准确性和精准度。
图表编号 | XD00201830100 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) |