《表1 测试指标和结果：基于深度卷积神经网络的数字病理辅助诊断系统设计》

  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

《基于深度卷积神经网络的数字病理辅助诊断系统设计》

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

采用的数据集共有2.7万张乳腺癌病理图像，包含2 729个图像区域，其中正负样本比例为4:1。将数据集按7:3比例随机分配为训练集和测试集，即1 910个图像区域用于训练DCNN模型，对模型的结构和参数进行优化后，将剩余819个图像区域用于测试。DCNN模型测试结果如表1所示。图像识别的特异度和灵敏度都超过95%，查全率和查准率较为均衡，且其他各项评价指标如F1度量、Kappa值、AUC分值都达到了较高水平，表明对于乳腺癌病变区域的识别，训练后的DCNN模型具有很好的性能。综合图像识别的准确率和速率，深度卷积神经网络已经具备应用于数字病理辅助诊断的潜质。