《表5 在DRIVE数据库上的性能表现对比》

  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

《U-net与Dense-net相结合的视网膜血管提取》

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

注:加粗字体为最优结果，“—”表示文献中未给出相应的结果。

使用多种性能指标对训练后的模型进行综合评定，模型在DRIVE数据集上的灵敏度、特异性、准确率和AUC分别为0.740 9、0.992 9、0.970 7和0.917 1。其中准确率在健康、病灶和光照不均的图像上有0.01左右的波动。若仅针对原始图像中的眼底区域进行分析，灵敏度、特异性、准确率和AUC分别为0.741 1、0.989 1、0.957 5和0.983 4。本文算法与目前主流方法的性能对比如表5，分割结果如图9。