《表6 不同模型中肺结节良恶性分类的检测结果单位：》

  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

《带有语义特征得分的肺结节检测方法》

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

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。