《表2 不同CAD系统检测性能对比》
为更好地说明本文所提出的方法的性能,表2对比了不同CAD系统性能,并与前人使用LIDC-IDRI数据集进行验证的一些工作进行了比较。Jiang等[13]的网络结构需要一些类似非实质分割等的预处理步骤。Golan等[15]利用深度卷积神经网络从输入数据中提取有价值的体积特征,实现CT图像中结节的检测。Setio和Dou等[1,4]分别使用多视图CNN和多层上下文CNN进行假阳性还原,得到了较好的结果。本文方法在提取特征以及提高检测速度方面做了改进,取得了良好的效果。其它基于图像特征描述的结节检测方案,如LBP、GLCM、SIFT等,适用于小范围的肺结节,但缺乏泛化能力。与其它研究相比,本文在没有任何分割或额外的假阳性减少程序的情况下,获得了良好的检测性能。平均每次扫描4张图像灵敏度达到了90.5%。
图表编号 | XD00206698400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.16 |
作者 | 张晓宇、强彦、Zia Ur Rehman |
绘制单位 | 太原理工大学信息与计算机学院、太原理工大学信息与计算机学院、太原理工大学信息与计算机学院 |
更多格式 | 高清、无水印(增值服务) |