《表1 基于深度学习的肺结节良恶性分类方法研究 (LIDC公共数据库)》
自动化程度:高,测试时不需任何手动标注;中,测试时仅需手动标注结节兴趣区;低,测试时需手动分割结节。
对肺癌CT影像的计算机辅助分类诊断研究主要集中在肺结节的良恶性鉴别诊断上。近年来基于深度学习的肺结节良恶性分类研究报道较多,在肺影像数据库联盟(lung image database consortium,LIDC)公共数据库中关于不同方法的准确度、敏感度、特异度、受试者操作特征曲线下面积(AUC)及自动化程度分析的研究见表1。LIDC数据库共包括了1 018例肺结节病人CT影像,每例影像都由4位经验丰富的胸部放射科医生分别进行肺结节标注并给出1~5的恶性程度评分。通常将平均评分<3的定义为良性结节,反之则为恶性结节。其中,至少有1位放射科医生认定的肺结节共7 371个,而至少有1位放射科医生认定且直径≥3 mm的结节共有2 669个,4位放射科医生共同认定且直径≥3 mm的结节共928个。
图表编号 | XD0032249000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.15 |
作者 | 肖焕辉、袁程朗、冯仕庭、罗宴吉、黄炳升 |
绘制单位 | 深圳大学医学部生物医学工程学院、深圳大学医学部生物医学工程学院、深圳大学医学部生物医学工程学院 |
更多格式 | 高清、无水印(增值服务) |