《表3 不同方法在不同数据集上的性能比较》
最后,将本文方法与阈值法(Rodrigues和Giraldi,2011)、聚类法(Shan等,2012)、图算法(Luo等,2016)、活动轮廓算法(Lotfollahi等,2018)和神经网络算法(Almajalid等,2018)等方法在各自的乳腺超声数据集上的表现从数据规模、分割方式和准确性方面进行对比,结果如表3所示。其中,Mean overlap表示平均重叠误差,SI(similarity)表示预测结果与模板的相似度,即用杰卡德相似系数衡量,ARE(averaged radial error)表示测量分割轮廓相对于掩膜中轮廓的平均径向误差,TPVF(true positive volume fraction)表示真阳性体积分数,即肿瘤正确区域与分割区域重叠的组织的总比例,DICE表示两个样本相似度即骰子系数。可以看出,本文方法采用的数据集规模大于其他方法的数据集,提出的自动分割模型在性能评估上也有不错的表现。
图表编号 | XD00216445100 严禁用于非法目的 |
---|---|
绘制时间 | 2021.03.16 |
作者 | 陈杨怀、陈胜、姚莉萍 |
绘制单位 | 上海理工大学光电信息与计算机工程学院、上海理工大学光电信息与计算机工程学院、上海交通大学医学院附属新华医院崇明分院 |
更多格式 | 高清、无水印(增值服务) |