《表1 三种算法分类性能表（%）》

  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

《基于影像组学的肝脏脂肪变性研究》

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

本研究利用AdaBoost、GBDT与XGBoost三种集成学习算法分别将处理过后的患者肝部MRI影像组学特征进行分类，获得分类结果。训练过程中训练集与测试集划分比例为4:1。训练集数据进行交叉验证得到稳定的模型，并利用测试集评估三种分类模型的效果（表1）。XGBoost算法性能最佳，分类准确率达到81.9%。