《表1 不同分割方法在左心房数据集上的DC系数对比》

  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

《基于级联随机森林与活动轮廓的3D MR图像分割》

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

如表1所示，即使没有进行最终的轮廓精炼，所提出的方法（Proposed 1）仍然取得了较高的分割精度，在左心房体数据训练集与测试集上的分割结果的DC值分别为0.78±0.06与0.74±0.07.Proposed 1方法较低的DC值主要由所分割出目标内部的空洞引起，如图4和图5所示，即便如此，分割出的目标外边缘依然保持了与分割金标准较高的契合度.由此，Proposed 1方法的分割结果能够为后续的曲线演化提供较好的初始轮廓，Proposed 2方法因此获得了良好的分割精度，训练集与测试集上的DC值分别达到0.94±0.04与0.90±0.03.而ACM和RF等标准的分割方法未能利用图像体数据的丰富环境信息引导分割过程，以获得更好的分割精度.Proposed 1为基于学习的分割方法，其在训练集和测试集上取得了相近的分割结果，进一步证明了本文所提出的级联随机森林训练策略在抑制过拟合方面的优势.