《表2 肺结节的检测结果：基于卷积神经网络的CT图自动检测深度学习》
提示：宽带有限、当前游客访问压缩模式
对PndCnn-7模型进行测试的时候，以随机方式抽取8组数据作为样本，分别包含1000张CT图像。测试结果如表2所示。
| 图表编号 | XD00105376600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.11.25 |
| 作者 | 张少宇 |
| 绘制单位 | 广东金融学院实验教学中心 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 涡旋检测半径对比：基于深度卷积网络的海洋涡旋检测模型》2020.10.01
- 《表1 分组卷积的敏感度：基于深度混合卷积模型的肺结节检测方法》2020.10.10
- 《表3 模型参数的比较：基于深度混合卷积模型的肺结节检测方法》2020.10.10
- 《表6 稳健性检验表：基于卷积神经网络和迁移学习的肺结节检测》2021.01.16
- 《表2 仿真环境参数：基于深度时空卷积神经网络的点目标检测（英文）》2021.02.01
- 《表1：基于自监督学习的卷积神经网络在CT图像中的肝脏自动分割研究》2021.01.01
- 《表2 验证集检测结果：基于轻量深度学习网络的机房人物检测研究》2021.02.15
- 《表2 试验效果对比：基于深度卷积神经网络的水稻纹枯病检测识别》2020.10.01
- 《表1 CAE网络架构：基于卷积自动编码的深度学习红外波段物体重建算法研究》2020.12.30
- 《表3 基于深度学习方法的结节检测模型训练方法结果比较》2020.07.01
- 《表2 用于深度学习肺结节检测论文中的评测指标》2020.07.01
- 《表4 测试集详细结果：基于深度残差全卷积网络的Landsat 8遥感影像云检测方法》2020.05.25
- 《表2 不同算法结果对比：基于深度卷积神经网络的遥感图像目标检测方法》2020.05.25
- 《表2 不同模型性能对比：基于非结节自动分类的二维卷积网络在肺结节检测假阳性减少中的应用》2020.08.01
- 《表1 数据集汇总：基于非结节自动分类的二维卷积网络在肺结节检测假阳性减少中的应用》2020.08.01
- 《表2 数据集信息：C-3D可变形卷积神经网络模型的肺结节检测》2020.02.25
- 《表2 良恶分类结果对比：基于循环卷积神经网络的甲状腺恶性结节检测》2019.12.25
- 《表2 肺结节的检测结果：基于卷积神经网络的CT图自动检测深度学习》2019.11.25
- 《表1 4种预测结果：基于改进的卷积神经网络的肺结节良恶性分类》2019.07.16
- 《表4 六折交叉验证结果：基于卷积神经网络的肺结节分类算法》2019.04.01