《表1 不同训练/测试样本下的肺结节分类精度》
从LIDC数据库中选取至少2位放射学专家对恶性度判断一致的病例共750张肺结节图像,使用Deep-Learning工具箱中的CNN模型进行特征提取[13]。卷积层和下采样层的数量均设置为2,卷积核的大小为5×5、下采样降幅为1/4,将每张肺结节图像转化为一个192维的特征图,然后通过Logistic分类器进行分类。将特征图像随机分成50一批,迭代次数设置为500,表1给出了不同训练/测试样本下的分类精度。
图表编号 | XD00125962700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.25 |
作者 | 吴世洋、任劲松、张冉、钱昊楠、司启益、巩萍 |
绘制单位 | 徐州医科大学医学影像学院、徐州医科大学医学影像学院、徐州医科大学医学影像学院、徐州医科大学医学影像学院、徐州医科大学医学影像学院、徐州医科大学医学影像学院 |
更多格式 | 高清、无水印(增值服务) |