《表4 六折交叉验证结果：基于卷积神经网络的肺结节分类算法》
提示：宽带有限、当前游客访问压缩模式
实验结果如表4所示。
| 图表编号 | XD0035454900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.04.01 |
| 作者 | 杨帆、谢红薇、刘爱媛 |
| 绘制单位 | 太原理工大学计算机科学与技术学院、太原理工大学计算机科学与技术学院、山西大医院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 分组卷积的敏感度：基于深度混合卷积模型的肺结节检测方法》2020.10.10
- 《表3 模型参数的比较：基于深度混合卷积模型的肺结节检测方法》2020.10.10
- 《表6 稳健性检验表：基于卷积神经网络和迁移学习的肺结节检测》2021.01.16
- 《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》2020.11.01
- 《表1 计算机配置：基于目标检测算法的肺结节辅助诊断系统》2020.11.01
- 《表2 实验结果：基于目标检测算法的肺结节辅助诊断系统》2020.11.01
- 《表4 漏洞类别分类结果：基于卷积神经网络的软件漏洞自动分类方法》2020.05.25
- 《表1 网络配置：基于多尺度特征融合的肺结节良恶性分类方法》2020.07.30
- 《表1 数据集汇总：基于非结节自动分类的二维卷积网络在肺结节检测假阳性减少中的应用》2020.08.01
- 《表2 不同模型性能对比：基于非结节自动分类的二维卷积网络在肺结节检测假阳性减少中的应用》2020.08.01
- 《表4 测试样本信息：基于卷积神经网络的京杭大运河遥感影像水质分类算法研究》2020.02.10
- 《表2 数据集信息：C-3D可变形卷积神经网络模型的肺结节检测》2020.02.25
- 《表2 良恶分类结果对比：基于循环卷积神经网络的甲状腺恶性结节检测》2019.12.25
- 《表1 肺结节病理特征：基于病理特征和改进随机森林的肺结节分类》2020.01.01
- 《表1 各分类算法的比较：基于卷积神经网络的先心病心音信号分类算法》2019.10.25
- 《表2 肺结节的检测结果：基于卷积神经网络的CT图自动检测深度学习》2019.11.25
- 《表2 肺结节的检测结果：基于卷积神经网络的CT图自动检测深度学习》2019.11.25
- 《表1 4种预测结果：基于改进的卷积神经网络的肺结节良恶性分类》2019.07.16
- 《表2 Adam优化算法：基于分割对抗网络的肺结节分割》2019.04.16
- 《表1 波形分类结果：基于Dropout深度卷积神经网络的ST段波形分类算法》2018.08.01