《表3 不同模型性能对比:基于目标检测算法的肺结节辅助诊断系统》
将本文实验结果与一些在相同数据集上测试的检测算法相比较,不同模型的检测结果如表3所示。在文献[23]中Messay等人提出了一种基于人工神经网络(ANN)的检测方法,其准确率为90.6%,在文献[24]中刘一鸣等人提出了一种改良的2D-CNN肺结节检测模型,通过图像预处理、优化网络参数等方法其准确率可达到92.3%。LUNA16挑战赛中,文献[25]中的参赛队伍PA_tech采用了将U-NET网络结构作为区域建议网络的骨架网络,最终以95.1%的准确率获得第一名,但其识别速度仅为8 fps,相较于YOLO、SSD模型有较大差距。
图表编号 | XD00189935300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.01 |
作者 | 席孝倩、刘威 |
绘制单位 | 武汉大学物理科学与技术学院、武汉大学物理科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |