《表4 各网络的参数量和计算量》

  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

《基于级联Vnet-S网络的CT影像单一器官自动分割算法》

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

为了更准确地对比和评估Vnet-S网络大小和计算量，本文统计了2D Unet网络、Vnet-S网络和Vnet网络的参数量和计算量，如表4所示，相同输入大小，Vnet网络的参数量是Vnet-S网络的6.42倍，计算量是Vnet-S网络的4.67倍，Vnet网络的参数量和计算量都远大于Vnet-S网络。级联Vnet-S网络结构由两个Vnet-S网络搭建而成，因此参数量为Vnet-S网络的2倍；而计算量方面，考虑到选择最大连接通量和膨胀操作的计算量远小于模型的计算量，因此级联Vnet-S网络的计算量约等于Vnet-S计算量的2倍。所以级联Vnet-S网络的参数量为20.30×106，计算量约为215.66×109，都小于Vnet网络参数量和计算量，但级联Vnet-S分割准确度远高于Vnet网络。Vnet-S网络相比二维分割网络在网络大小和计算量上仍然具有优势。可以发现输入大小为572×572的2D Unet网络在计算量和参数量上都大于Vnet-S网络，如果采用256×256大小的输入，2D Unet网络的计算量会小于Vnet-S网络，但是二维分割网络需要对医学图像中的每层切片进行计算，而三维分割网络是对医学图像进行三维计算，一般只需要计算一次或者数次就可以得到分割结果，因此整体计算量二维分割网络一般是远大于三维分割网络的。同理，2D Unet网络的计算量也大于级联Vnet-S算法。文献[26]和文献[27]的方法不光采用了二维分割网络，还采用了级联结构，在计算量上是远大于级联Vnet-S算法，在准确度接近的情况下，级联Vnet-S算法在临床应用方面具有更大的优势。