《表6 不同分类模型比较：基于SE-CapsNet的肺结节良恶性诊断研究》

  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SE-CapsNet的肺结节良恶性诊断研究》

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

不同的模型，数据预处理方式与特征提取算法的结果存在差异性，难以进行单一的定量比较。为增加模型的可比性，本研究选取了同样采用LIDC-IDRI数据集进行训练的分类模型。文献[15]首次将深度学习技术应用于肺结节分类问题的研究，在深度置信网络（DBN）上最终取得了82.2%的敏感性。文献[26]提出的多尺度卷积神经网络，在基于非精细化图像处理下的肺结节分类精度达到87.5%，在保证模型分类准确率的情况下，大大降低了前期数据准备的工作量。与上述几种方法进行比较，如表6所示。数据表明，所提出的肺结节诊断方法SE-Caps Net的准确率和敏感性均优于几种文献所提出方法的相应性能。这是由于文献[15]与文献[26]虽然都采用了预处理的方式对原始数据进行去噪，但前者采用的模型架构较为简单，不足以进行充分的特征提取，而后者在用多个网络进行多尺度特征提取时，保留池化操作以降低模型的计算参数，使得训练过程中低活性神经元失活，丢失掉了一部分重要信息。与文献[27]中表现优异的模型相比，本研究在基于精细化预处理的前提下，模型的分类准确率达到了95.83%，远高于该文献所提出分类方法的准确率。