《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》
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。
图表编号 | XD0084033000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.18 |
作者 | 颜野、夏海缀、李旭升、何为、朱学华、张智荧、肖春雷、刘余庆、黄华、何良华、卢剑 |
绘制单位 | 北京大学第三医院泌尿外科、北京大学第三医院泌尿外科、同济大学电子与信息工程学院、北京大学第三医院放射科、北京大学第三医院泌尿外科、北京大学第三医院泌尿外科、北京大学第三医院泌尿外科、北京大学第三医院泌尿外科、北京理工大学计算机学院、同济大学电子与信息工程学院、北京大学第三医院泌尿外科 |
更多格式 | 高清、无水印(增值服务) |