《表6 不同模型中肺结节良恶性分类的检测结果单位:》
进一步用ROC曲线综合评估各模型的差异,如图5所示,实线是本文模型的ROC曲线及AUC值,虚线图形为Faster R-CNN的ROC曲线及AUC值,点线图形为RUSBoost的ROC曲线及AUC值。比较3个AUC值,发现本文模型结果优于Faster R-CNN与RUSBoost。因此本文在Faster R-CNN的基础上加入语义特征得分的网络时,不仅提高了肺结节的定位和分类效果,与此同时还对阳性结节伴有语义特征的得分。有了语义特征的得分,对模型预测出的阳性结节的定位更具有解释性。
图表编号 | XD00134498100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.10 |
作者 | 张战成、张大龙、罗晓清 |
绘制单位 | 苏州科技大学电子与信息工程学院、苏州科技大学电子与信息工程学院、江南大学物联网工程学院 |
更多格式 | 高清、无水印(增值服务) |