《表1 不同训练集下测试集图像（a）的PSNR和SSIM平均值》

  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

《基于残差网络的医学图像超分辨率重建》

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

本文实验使用的数据集为美国的肿瘤基因组图谱（TCGA）数据库中的TCGA-LUAD肺癌CT数据集（http：//dataju.cn/Dataju/web/dataset Instance Detail），从中挑选出具有代表性的如肺叶、肺尖等部分纹理细节丰富的肺癌CT图像（a）、（b）、（c）共3类进行训练与测试，每类图像共250张，图像大小为512×512，训练集示例图如图5所示。分别对比了两种选择训练集与测试集的方法，第一种方法，从（a）、（b）、（c）每类图像中选取100张共300张图像作为训练集，每类图像中选取5张共15张图像作为测试集。第二种方法，分别对（a）、（b）、（c）每类图像进行训练与测试，选取每类图像200张作为训练集，每类图像10张作为测试集。在放大倍数为3时，分别使用训练集1和训练集2在10层的网络模型上进行训练，训练集1是将（a）、（b）、（c）这3类图像共300张作为训练集，训练集2是仅将（a）类图像的200张作为训练集，测试集均为（a）类图像中随机选取的5张图像。实验结果如表1所示，可以看出，对于测试集（a），使用训练集2，即单独用（a）类图像进行训练的效果要明显优于使用（a）、（b）、（c）这3类混合图像进行训练的效果。因此，本文实验将采用第二种方式即分别对（a）、（b）、（c）这3类图像进行训练与测试。