《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》
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。
图表编号 | XD00214112000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.25 |
作者 | 梁楠、赵政辉、周依、武博、李长波、于鑫、马思伟、张楠 |
绘制单位 | 首都医科大学生物医学工程学院、首都医科大学临床生物力学应用基础研究北京市重点实验室、北京大学数字媒体所、北京大学数学与应用数学实验室、河南大学影像研究所淮河医院放射科、首都医科大学生物医学工程学院、首都医科大学临床生物力学应用基础研究北京市重点实验室、河南大学影像研究所淮河医院放射科、北京大学数字媒体所、北京大学数字媒体所、首都医科大学生物医学工程学院、首都医科大学临床生物力学应用基础研究北京市重点实验室 |
更多格式 | 高清、无水印(增值服务) |