《表5 几种算法的比较:基于改进ReliefF与k-means算法的良恶性肺结节分类模型》
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
《基于改进ReliefF与k-means算法的良恶性肺结节分类模型》
由表4可以看出,根据纹理特征可以进行良恶性肺结节的识别,实验结果表明:本文提出的算法对于恶性结节识别率高,良性结节识别率良好,并且改进的Relief F和k-means算法均有效,准确率都有一定提升.如表5所示,本文将提出的算法与其他算法的识别率进行了比较,从比较结果中发现本文提出的算法相比其他传统算法较优,使得良性结节的识别率有了一定的提升.但相对于文献[6]提出的多视角知识的协同(Multi-View Knowledge-Based Collaborative)深度学习模型存在差距,原因是此方法Res Net-50网络来提取结节的外观、体素和形状特性,然后再利用基于知识的协作(Knowledge-Based Collaborative)子模型进行分类.网络深度深,模型复杂度高.文献[5]提出多将判别生成对抗网络模型与编码器相结合,用于肺结节的良性和恶性分类的算法也比本文识别率优,但是网络复杂,训练耗时.这些对于本文有进一步启发,下一步工作可以利用深度学习的网络提取肺结节不同视角的特征,再与编码器相结合,最后利用本文改进的方法进行分类.
图表编号 | XD00213657200 严禁用于非法目的 |
---|---|
绘制时间 | 2021.03.01 |
作者 | 朱英亮、仇旭阳、徐磊 |
绘制单位 | 上海理工大学光电信息与计算机工程学院、上海理工大学光电信息与计算机工程学院、上海理工大学光电信息与计算机工程学院 |
更多格式 | 高清、无水印(增值服务) |