《表1 基于不同块尺寸的U-Net算法血管分割结果评价指标比较（%）》

  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U型全卷积神经网络的腹部动脉CT图像分割算法研究》

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

基于不同块尺寸的FCN算法血管分割结果和评价指标见图3和表1。块特征图像尺寸大小直接影响U-Net算法性能，块尺寸越小，U-Net训练时间越短，内存消耗越小。由图3看出，基于不同块尺寸的U-Net算法均能完整分割腹主动脉等较粗壮血管，且三种块尺寸分割血管视觉差异较小，但均不能有效分割部分细血管。由表1可知，基于不同块尺寸的U-Net算法血管分割所得平均Dice系数随着块尺寸增大而减小。块尺寸最小时（s=32），平均Dice系数取得最大值（87.2%），较块尺寸s=48(86.8%）和s=64(86.5%）的精确率分别高0.4%和0.7%。血管分割平均精确率随着块尺寸增加先上升后下降，且变化幅度微小，块尺寸s=48时，血管分割所得平均精确率最高（86.2%），较块尺寸s=32的精确率（85.9%）高0.3%，较块尺寸s=64的精确率高2.3%。血管分割平均召回率随着块尺寸增加先下降后上升，变化范围微小，块尺寸s=64时，本所得平均召回率最高（89.1%），仅较块尺寸s=3 2 (8 8.5%）高0.6%，块尺寸s=48(87.7%）时最小。此外，三种尺寸基于不同块尺寸的U-Net算法所得评价指标最大值与最小值相差较大，主要是由患者腹主动脉形态位置差异所致。综上可知，基于不同块尺寸的U-Net算法血管分割准确性大致相等，且分割精度较高，因此本研究U-Net算法选取块尺寸s=32进行血管分割。