基于DenseNet结合迁移学习的胰腺囊性肿瘤分类方法
田慧,武杰,边云,张志伟,邵成伟

Classification of Pancreatic Cystic Tumors Based on DenseNet and Transfer Learning
TIAN Hui,WU Jie,BIAN Yun,ZHANG Zhiwei,SHAO Chengwei
表5 不同方法对MCN和SCN识别的结果
Table 5 Results of MCN and SCN recognition by different methods
方法 数据 ACC
文献[7] 影像组学特征融合 胰腺囊性肿瘤CT图像 0.862
文献[8] CT纹理特征模型+临床影像学特征模型 SCN与MCN静脉期CT图像 0.938 (AUC)
文献[9] 影像组学参数+人工神经网络 SCN与MCN CT图像 0.895
文献[12] ResNet50+迁移学习 SCN与MCN内窥镜超声图像 0.828
本文 DenseNet161+迁移学习 SCN与MCN T2加权MR图像 0.943