《表2 方法性能对比：融合位置尺度信息的胸部X光肺结节检测》
提示：宽带有限、当前游客访问压缩模式
下面我们在公开数据集JSRT上将本文方法与先前的研究进行对比，详细数据指标如表2所示.
| 图表编号 | XD0079872300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.06.01 |
| 作者 | 焦庆磊、陈宇彤、朱明 |
| 绘制单位 | 中国科学技术大学自动化系、南京医科大学附属口腔医院、中国科学技术大学自动化系 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《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2 分类测试结果：多尺度特征融合的陶瓷盘缺陷检测算法的研究》2021.02.01
- 《表2 测试集效果：基于多种传感信息融合的大型立式水轮发电机电晕检测方法》2020.11.25
- 《表1 多个子集属性：多尺度特征融合重建的行人检测方法》2021.02.15
- 《表2 实验方法对比：基于多尺度特征融合的水果图像识别算法研究》2021.02.01
- 《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2 定位误差对比：多源信息融合的室内定位方法》2020.07.20
- 《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2 探索最优的多尺度信息融合模块》2020.02.16
- 《表1 各数据集详细信息：多尺度深度特征融合的变化检测》2020.04.16
- 《表2 算法性能对比：基于改进k-means的电力信息系统异常检测方法》2020.03.30
- 《表2 特征融合对比结果：多尺度级联R-FCN的尾灯检测算法研究》2020.03.15
- 《表2 实验结果对比：一种基于深层次多尺度特征融合CNN的SAR图像舰船目标检测算法》2020.01.25
- 《表1 实验结果对比：一种基于深层次多尺度特征融合CNN的SAR图像舰船目标检测算法》2020.01.25
- 《表2 车载DR与车载X线透视对胸部疾病的检测率对比》2019.11.15
- 《表1 算法性能对比：融合位置信息的智能驾驶高精地图三维重建》2019.06.25
- 《表1 对比两种检测方法胸部病变检出率[n (%) ]》2019.05.15
- 《表4 低剂量CT胸部平扫与X线平片对胸部结节最大直径检出率对比[n (%) ]》2019.04.01
- 《表3 胸部CT平扫与X线平片对胸部结节分布检出率对比[n (%) ]》2019.04.01
- 《表1 性能指标对比表：融合边界信息和颜色特征的显著性区域检测》2019.02.01