《表3 两种多尺度肺癌识别策略的数据集大小》
由于网络末层提取的特征单一,不足以描述病灶的详细特征,本实验从多个角度出发,将网络瓶颈层提取的64个特征和网络输出的特征相融合,经数据归一化处理后再预测肺癌。本节实验进行肺癌识别的特征有:每个病人恶性最大结节的瓶颈层64个特征、输出层两个特征、z轴坐标和Julian等的mass特征。首先,针对单尺度进行了特征融合;其次,将3个尺度的融合后的特征进行组合来预测肺癌;然后,在3个尺度特征组合的基础上,按照特征的重要性自动提取前90个特征识别肺癌;最后,按照多尺度差异性识别策略和多尺度互补性识别策略分别进行了实验。表3列出了两种识别策略的样本量大小,即检测出的符合条件的肺结节数量。特征融合的实验结果见表4。
图表编号 | XD00170287100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.16 |
作者 | 石陆魁、杜伟昉、马红祺、张军 |
绘制单位 | 河北工业大学人工智能与数据科学学院、河北工业大学河北省大数据计算重点实验室、河北工业大学人工智能与数据科学学院、河北工业大学河北省大数据计算重点实验室、河北工业大学人工智能与数据科学学院、河北工业大学河北省大数据计算重点实验室、河北工业大学人工智能与数据科学学院、河北工业大学河北省大数据计算重点实验室 |
更多格式 | 高清、无水印(增值服务) |