《表3 与其他肺结节分类研究结果比较》

  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

《基于多尺度多模式图像的肺结节分类对比研究》

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

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。