《表1 CCMU-HHNU数据集中3种网络的图像块分类性能（%）》

  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

《基于滑动块的深度卷积神经网络乳腺X线摄影图像肿块分割算法》

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Alex Net、Res Net152和Dense Net40 3种网络模型分析图像块的分类性能并进行比较，如表1所示。通过3种网络模型Alex Net、Res Net152和Dense Net40对滑动提取的图像块进行分类，本文评估模型分类性能的指标采用了敏感性、特异性、F1-score和准确性。如表1实验结果所示，在同一尺寸下，图像块分类结果对于不同结构的网络模型不敏感。由于分类结果的测试数据是滑动提取不同尺寸的图像块，因此不同尺寸的测试数据之间没有对应关系，分类结果不能体现图像块的不同尺寸对于性能的影响。在图像块提取操作中，由于相同分辨率的乳腺X线摄影图像肿块区域是不规则的，而图像块是正方形的，因此较小的尺寸提取的图像块数量更多，图像特征信息提取更充分。基于滑动窗提取图像块的方法可以处理不同形状和尺寸的肿块，避免了不同尺寸的病灶和相同尺寸的网络输入之间的矛盾。