《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》

  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

《基于目标检测算法的肺结节辅助诊断系统》

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

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。