《表1 U-net性能与其他分割效果对比》

  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型卷积神经网络学习的前列腺癌影像重建模型在手术导航中的应用》

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

对含有98例前列腺癌多参数磁共振图像数据的测试集应用中，在没有任何预处理的情况下，我们用改良的U-net进行自动化分割，并计算翘曲误差（warping error）、兰德指数（Rand error）和像素误差（pixel error），本研究的网络取得了0.000 340的翘曲误差和0.036 0的兰德指数，且Dice相似度系数达到90%，与人工分割和应用既往报道的反卷积网络分割性能对比见表1。通过人工校对发现，由于网络设计了双向边界权重加强，因此，对体积相对微小结构的分割存在一定程度的低效，例如神经血管束及背静脉复合体。