《表1 肺结节病理特征：基于病理特征和改进随机森林的肺结节分类》
提示：宽带有限、当前游客访问压缩模式
综合上述特征形成了肺结节的病理特征，见表1。
| 图表编号 | XD00116270800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.01.01 |
| 作者 | 孟晋洁、程远志 |
| 绘制单位 | 哈尔滨工业大学计算机科学与技术学院、哈尔滨工业大学计算机科学与技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
![表1 不同病理类型肺混合磨玻璃结节腺癌患者CT影像特征比较[n(%)]](http://bookimg.mtoou.info/tubiao/gif/CTMR202102020_01900.gif)
相关图表
- 《表6 不同分类模型比较：基于SE-CapsNet的肺结节良恶性诊断研究》2021.02.20
- 《表3 分类统计量：基于SE-CapsNet的肺结节良恶性诊断研究》2021.02.20
- 《表1 不同方法性能对比：基于融合先验知识的肺结节深度学习分类方法》2021.03.10
- 《表1 一级指标列表：20～30mm磨玻璃肺结节的影像学特征及术后病理分析》2020.11.01
- 《表1 不同病理类型肺混合磨玻璃结节腺癌患者CT影像特征比较[n(%)]》2021.02.01
- 《表1 双肺多发空洞样结节的肺腺癌的临床特征》2020.06.25
- 《表1 网络配置：基于多尺度特征融合的肺结节良恶性分类方法》2020.07.30
- 《表5 实验参数设定：基于CNN多层面二阶特征融合的肺结节分类》2020.09.01
- 《表8 不同输入图像对比：基于CNN多层面二阶特征融合的肺结节分类》2020.09.01
- 《表3 恶性程度分布表：基于CNN多层面二阶特征融合的肺结节分类》2020.09.01
- 《表3 参数设置：带有语义特征得分的肺结节检测方法》2020.03.10
- 《表1 二分类混淆矩阵：基于多尺度多模式图像的肺结节分类对比研究》2020.02.01
- 《表1 肺结节评价标准：基于改进Faster R-CNN和3D DCNN的肺结节检测算法》2019.11.01
- 《表2 对比实验：基于改进Faster R-CNN和3D DCNN的肺结节检测算法》2019.11.01
- 《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2 孤立性部分实性肺结节不同病理类型CT影像学特征分析》2019.04.28
- 《表2 不同病理性质肺结节CT特征》2019.03.26
- 《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
- 《表1 基于深度学习的肺结节良恶性分类方法研究 (LIDC公共数据库)》2019.01.15
- 《表2 磨玻璃密度肺结节的CT影像学特征与病理特征的相关性》2018.06.01