《表1 与其他方法的对比：基于3D全卷积深度神经网络的脑白质病变分割方法》
提示：宽带有限、当前游客访问压缩模式
本文实验分为2组分别进行对比。一组是对本文模型中使用的各模块进行对比测试，其结果如表1所示。另一组是与其他WMH分割的文献结果进行对比，结果如表2所示。
| 图表编号 | XD00223081900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.10.01 |
| 作者 | 赵欣、石德来、王洪凯 |
| 绘制单位 | 大连大学信息工程学院、大连大学信息工程学院、大连理工大学生物医学工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表6 与其他方法对比：一种融合多级特征信息的图像语义分割方法》2020.11.05
- 《表1 动态密集条件随机场方法与其他方法分割精度对比》2020.12.05
- 《表3 算法性能对比：基于定位置信度和区域全卷积网络的火焰检测方法》2020.10.25
- 《表1 检测速度对比：基于定位置信度和区域全卷积网络的火焰检测方法》2020.10.25
- 《表2 与其他方法比较：基于局部二值模式与深度置信网络的人脸识别》2020.05.05
- 《表3 与其他方法的对比：一种基于目标检测的偏斜图像校准方法》2020.05.01
- 《表3 对比算法测试结果：基于改进深度卷积生成对抗网络的路面指示标志识别方法》2020.06.28
- 《表4 测试集详细结果：基于深度残差全卷积网络的Landsat 8遥感影像云检测方法》2020.05.25
- 《表2 不同算法结果对比：基于深度卷积神经网络的遥感图像目标检测方法》2020.05.25
- 《表2 深度协同训练方法与其他方法比较，对比数据为只包含肝脏区域的测试图像》2020.07.20
- 《表1 深度协同训练方法与其他方法比较，对比数据为完整的测试图像》2020.07.20
- 《表1 数据集详细特征：基于多网络集成的脑白质高信号分割方法》2020.03.20
- 《表4 基于全卷积网络的MRI脑肿瘤分割方法评估结果》2020.02.16
- 《表1 分割效果对比图：基于3D卷积神经网络的脑肿瘤医学图像分割优化》2020.02.01
- 《表3 惩罚因子对比结果：基于卷积神经网络的非等效点云分割方法》2019.12.01
- 《表1 分类结果混淆矩阵：基于卷积神经网络的非等效点云分割方法》2019.12.01
- 《表7 综合测试结果：一种改进深度卷积生成对抗网络的人脸分割方法》2019.10.25
- 《表6 预设参数：一种改进深度卷积生成对抗网络的人脸分割方法》2019.10.25
- 《表2 本文方法与其他方法在MSR-Action 3D数据集交叉测试中的识别率》2019.09.16
- 《表2 MFSCNN方法与其他方法分割结果比较》2019.11.16