《表3 不同肺结节分类诊断方法》
提示：宽带有限、当前游客访问压缩模式
将本文方法与其它几种先进的肺结节良恶性诊断方法从准确率，敏感度以及AUC值3个方面进行比较，来进一步验证本文方法的有效性，实验结果见表3。
| 图表编号 | XD0040519500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.01.16 |
| 作者 | 罗嘉滢、赵涓涓、强彦、唐笑先 |
| 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、太原理工大学计算机科学与技术学院、山西省人民医院PET、CT中心 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《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》2021.02.20
- 《表3 分类统计量：基于SE-CapsNet的肺结节良恶性诊断研究》2021.02.20
- 《表1 不同方法性能对比：基于融合先验知识的肺结节深度学习分类方法》2021.03.10
- 《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3 LIDC数据集上不同肺结节分类方法比较1)》2020.07.30
- 《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4 不同方法对不同类型肺结节的分割准确率》2020.06.16
- 《表6 不同肺结节分割方法性能比较》2020.07.10
- 《表3 CTC对不同直径恶性肺结节的诊断效能比较(%)》2020.08.20
- 《表8 不同输入图像对比：基于CNN多层面二阶特征融合的肺结节分类》2020.09.01
- 《表3 恶性程度分布表：基于CNN多层面二阶特征融合的肺结节分类》2020.09.01
- 《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6 不同模型中肺结节良恶性分类的检测结果单位：》2020.03.10
- 《表2 不同学习率下的肺结节分类精度》2020.01.25
- 《表1 不同训练/测试样本下的肺结节分类精度》2020.01.25
- 《表3 与其他肺结节分类研究结果比较》2020.02.01
- 《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 基于NSDTCT与Contourlet变换的SVM模型对肺结节良恶性的分类诊断结果》2019.02.20
- 《表3 两组肺结节定性诊断比较》2019.02.01
- 《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)》2019.01.15