《表4 所选文献结节检测模型结果比较》

  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

《应用于CT图像肺结节检测的深度学习方法综述》

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

为了更好地进行比较分析，表4列举了各个算法所采用的数据集，模型验证时采用的切片数量、结节数量，切片厚度，结节大小，每次扫描含有多少假阳性下的灵敏度，竞争性能指标（CPM），以及所采用的网络结构等。其中对于两阶段结节检测算法记录的结果是进行假阳性减少之后的结果，具体比较结果如表4所示。在这篇综述中，共有8篇文章选择LIDC-IDRI作为他们进行训练和测试的数据集，有10篇文章选择LUNA16作为他们进行训练和测试的数据集。从所提出的不同方法中可以看出，一部分人把结节检测分成两个阶段完成（结节候选检测和假阳性减少），例如文献[18，20，23，25，30，33，35]，也有人抛弃了假阳性减少，只采用一个阶段来完成对肺结节的检测工作，例如文献[16，22，25，27-29]。其次，所有选定文章中检测肺结节的竞争性能指标（CPM）从0.637至0.959，CPM是FROC曲线中定义的7个假阳性率点（1/8、1/4、1/2、1、2、4和8 FPs/scan）的敏感度平均值，能够综合体现结节检测系统的性能。在所综述的文章中，Setio等人[18]、Liao等人[25]、Ding等人[26]、Zhu等人[28]、Zhu等人[29]、Dou等人[36]、Huang等人[30]实现了0.80以上的竞争性能指标。文献[27]的LUNA16FON-OVACAD[27]、PAtech[27]以及谢未央等人[33]实现了0.90以上的高竞争性能指标。其中在二维深度学习方法中，Setio等人[18]获得最佳CPM值0.824；在三维深度学习方法中，谢未央等人[33]获得最佳CPM值0.959；其次Patech团队[27]在LUNA16比赛中获得最佳CPM值0.951，这3个模型都是在LUNA16数据集上进行评估的。值得注意的是，来自LUNA16比赛的LUNA16FONO-VACAD团队[27]使用3D CNN方法在精确率为0.059，FP/TP比为16时，获得了99.1%的高灵敏度。文献[27]采用一阶段的方法获得了0.922 6的高竞争性能指标，Zheng等人[35]采用俩阶段的方法获得了高灵敏度和低假阳率。