《表3 不同方法在不同数据集上的性能比较》

  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

《结合残差路径及密集连接的乳腺超声肿瘤分割》

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

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。