《表1 SDRR特征选择方法对分类结果的影响》
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
《基于融合多网络深层卷积特征和稀疏双关系正则化方法的乳腺癌图像分类研究》
对利用SDRR算法降维的不同网络特征数据进行融合,训练乳腺癌病理图像分类模型,结果如表1所示。首先,两个网络之间特征的融合实验中Res Net-50+VGG-16的原始特征实验结果为83.75%不是最好,但使用SDRR后的实验结果获得了最好的准确性;其次,3个网络特征的融合后使用SDRR获得了93%的分类准确性,相比于任何两个网络之间的融合,3个网络特征融合会获得更多综合性的特征信息;最后,单个DCNN使用SDRR特征选择方法时,VGG-16网络特征训练的SVM分类准确性提高最多(6%),比其他两个网络的结果更好(Inception V3增加了1.75%,Res Net-50增加了1.25%)。
图表编号 | XD00202610500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.20 |
作者 | 王永军、黄芳琳、黄珊、姜峰、雷柏英、汪天富 |
绘制单位 | 深圳大学生物医学工程学院广东省生物医学信息检测和超声成像重点实验室、深圳大学生物医学工程学院广东省生物医学信息检测和超声成像重点实验室、深圳大学生物医学工程学院广东省生物医学信息检测和超声成像重点实验室、深圳大学生物医学工程学院广东省生物医学信息检测和超声成像重点实验室、深圳大学生物医学工程学院广东省生物医学信息检测和超声成像重点实验室、深圳大学生物医学工程学院广东省生物医学信息检测和超声成像重点实验室 |
更多格式 | 高清、无水印(增值服务) |