《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》
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。
图表编号 | XD0098407800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.16 |
作者 | 徐光柱、胡松、陈莎、陈鹏、周军、雷帮军 |
绘制单位 | 三峡大学计算机与信息学院、湖北省水电工程智能视觉监测重点实验室、三峡大学计算机与信息学院、三峡大学计算机与信息学院、三峡大学计算机与信息学院、湖北省水电工程智能视觉监测重点实验室、三峡大学第一临床医学院超声科、三峡大学计算机与信息学院、湖北省水电工程智能视觉监测重点实验室 |
更多格式 | 高清、无水印(增值服务) |