【摘要】：图1-7 4幅包含GGO结节的影像a）含毛玻璃型结节影像1 b）含毛玻璃型结节影像2 c）含毛玻璃型结节影像3 d）含毛玻璃型结节影像4图1-8 本章算法提取GGO结节“候选点”的结果a）对影像1提取“候选点”结果 b）对影像2提取“候选点”结果 c）对影像3提取“候选点”结果 d）对影像4提取“候选点”结果
实验一的实验结果是：LIDC数据库中共23个结节，医生总共漏检了6个，其中孤立型结节漏检2个，粘连血管型结节和粘连肺壁型结节无漏检，而毛玻璃型结节漏检了4个（漏检率100%）。因此，证明了毛玻璃型结节是医生最易漏检的结节类型，从而说明提取候选毛玻璃型结节的必要性。
实验二中把1.3所述方法中的自适应滤波器的参数α设为3，模板的高斯系数delta也设定为3。检测结果是：对于广州医学院第一附属医院数据库中的32个毛玻璃型结节，漏检了5个；而对于LIDC数据库中的4个毛玻璃型结节，没有漏检现象发生。表1-2分别列出了3种方法的漏检率、平均每层“候选点”个数，平均每套影像提取“候选点”所需时间。
表1-2 本章方法与现有的2种方法的性能对比
图1-7为4幅包含GGO结节的影像，箭头标示的为GGO结节。本章方法提取候选毛玻璃型结节的实际效果如图1-8所示，图1-8为本章算法提取GGO结节“候选点”（各分图的左半部分）的结果，且用箭头标示。
(www.xing528.com)
图1-7 4幅包含GGO结节的影像
a）含毛玻璃型结节影像1 b）含毛玻璃型结节影像2 c）含毛玻璃型结节影像3 d）含毛玻璃型结节影像4
图1-8 本章算法提取GGO结节“候选点”的结果
a）对影像1提取“候选点”结果 b）对影像2提取“候选点”结果 c）对影像3提取“候选点”结果 d）对影像4提取“候选点”结果
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
