基于LSTM与注意力结构的肺结节多特征抽取方法

倪扬帆, 杨媛媛, 谢哲, 郑德重, 王卫东

Multi-Feature Extraction of Pulmonary Nodules Based on LSTM and Attention Structure

NI Yangfan, YANG Yuanyuan, XIE Zhe, ZHENG Dezhong, WANG Weidong

表4 已有方法与所提方法的结果比较

Tab.4 Comparison of results of related methods and proposed method

特征 文献[9] 文献[20] Res50+ATT+LSTM θ% F1% e θ% F1% e θ% F1% e 形状 - - - - - 0.86 71.21 51.99 0.70 边界 72.5 68.97 - - - 0.92 81.11 89.10 0.74 毛刺 - - - - - 0.64 94.31 97.65 0.50 分叶 - - - - - 0.80 95.66 97.88 0.50 内部成分 - - - - - 0.02 99.32 34.41 0.06 实性程度 - - - - - 0.18 78.88 71.28 0.48 钙化 90.8 84.74 - - - 0.87 92.21 95.12 0.31 恶性程度 84.2 78.64 - - - 0.87 86.61 68.11 0.59