《表3 与其他肺结节分类研究结果比较》
为进一步验证本研究所提出的2D MVF的性能,将MVF-CNN与其他研究的模型进行了对比。这些研究使用的数据集都是LIDC-IDRI,且同样采用了M12 vs M45的分类策略,即把结节恶性评分小于3分的记为“良性”,大于3分的记为“恶性”,对比结果如表3。其中,Dhara等人[30]采用的是影像组学方法,他们通过分析结节的纹理和形状特征来鉴别良恶性结节;Xie等人[31]将结节的纹理、形状特征以及CNN提取的抽象特征进行融合来对肺结节进行分类;Shen等人[16]是利用卷积神经网络提取同一结节三种不同尺度的抽象特征,然后将这些特征融合后输入到一个SVM或者RF分类器来对结节进行分类;Han等人[32]则是通过分析结节的3D纹理特征,然后将其输入到一个SVM分类器来进行分类。从表3可以看到,在三种不同尺寸大小的结节下,MVF-CNN模型都取得了非常有竞争力的表现。
图表编号 | XD00119692500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.01 |
作者 | 汤宁、卫泽良、张瑞、易东、伍亚舟 |
绘制单位 | 陆军军医大学军事预防医学系军队卫生统计学教研室、陆军军医大学军事预防医学系军队卫生统计学教研室、陆军军医大学军事预防医学系军队卫生统计学教研室、陆军军医大学军事预防医学系军队卫生统计学教研室、陆军军医大学军事预防医学系军队卫生统计学教研室 |
更多格式 | 高清、无水印(增值服务) |