《表2 无监督分割方法的性能比较》

  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

《视网膜血管图像分割研究现状分析》

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

表2展示了各种典型有监督方法的性能比较情况。观察表3可知，有监督方法在视网膜血管图像分割方面能够达到较高的Se、Acc和AUC，特别是使用卷积神经网络的分割方法。Son等人[23]方法表现得更加突出，特别是在敏感性Se方面能够达到0.83，超过了其他有监督分割方法。梁礼明等人[20]和吴晨玥等人[21]提出的分割方法都是基于CNN的分割方法，并且所用的网络都是U-Net网络模型的变形，这说明了U-Ne网络模型较适合图像分割。总体而言，基于有监督的分割方法在视网膜分割方面能够取得更好的性能。