《表3 异形弹簧参数：优化的概率神经网络对基于介电常数的肺癌及其周围正常组织的鉴别》

  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

《优化的概率神经网络对基于介电常数的肺癌及其周围正常组织的鉴别》

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

通过SD方法，最终筛选出三个频率点984、2724、2723 MHz，将这三个频率点下的介电常数作为特征变量进行分类鉴别，其效果最佳。通过SA-PNN，采用10折交叉验证，对肺癌及其周围正常组织进行鉴别，表3展示了样本鉴别的最终统计结果，经计算，鉴别准确率为92.50%，灵敏度为90.65%，特异性为94.62%。此外，本实验还用传统的PNN、BP神经网络、RBF神经网络以及MATLAB中的Classify判别分析函数，也通过10折交叉验证分别对样本进行分类鉴别，图2展示了这些鉴别算法在不同参数下的鉴别准确率、特异性、灵敏度。传统的PNN在平滑因子σ=0.3时，鉴别准确率最高为85.50%，灵敏度为85.00%，特异性为86.00%。BP神经网络的隐含层神经元为17个时，准确率最高为85.00%，灵敏度为85.00%，特异性为84.90%。RBF神经网络在平滑因子σ=6时，准确率最高为80.50%，灵敏度为84.11%，特异性为76.34%。Classify函数进行判别分析时，将判别类型设定为“diag Quadratic”，准确率最高为85.50%，灵敏度为89.72%，特异性为80.65%。