基于DCGAN的脑膜瘤与听神经瘤检测模型优化方法研究

陈静聪, 冉凤伟, 章浩伟, 刘颖

Optimization Methodology for Meningioma and Acoustic Neuroma Detection Model Based on DCGAN

CHEN Jingcong, RAN Fengwei, ZHANG Haowei, LIU Ying

表3 检测模型评价指标对比

Table 3 Evaluation indicators comparison of detection models

Mask RCNN检测模型的主干网络 数据集增强方式 精确率 特异性 召回率 mAP FPN+VGG16 原数据集 0.8537 0.8343 0.8832 0.7836 传统数据集增强 0.8725 0.8563 0.8751 0.7982 改进损失函数前的DCGAN数据集增强 0.8882 0.8623 0.8821 0.8167 改进损失函数后的DCGAN数据集增强 0.9033 0.8715 0.8802 0.8255 FPN+VGG19 原数据集 0.9022 0.8691 0.8689 0.8312 传统数据集增强 0.9095 0.8702 0.8658 0.8398 改进损失函数前的DCGAN数据集增强 0.9105 0.8789 0.8593 0.8615 改进损失函数后的DCGAN数据集增强 0.9156 0.8823 0.8502 0.8906 FPN+ResNet50 原数据集 0.9012 0.8589 0.8615 0.8000 传统数据集增强 0.9078 0.8687 0.8589 0.8331 改进损失函数前的DCGAN数据集增强 0.9089 0.8705 0.8575 0.8532 改进损失函数后的DCGAN数据集增强 0.9123 0.8793 0.8536 0.8882 FPN+ResNet101 原数据集 0.9182 0.8762 0.8569 0.9000 传统数据集增强 0.9235 0.8806 0.8523 0.9200 改进损失函数前的DCGAN数据集增强 0.9253 0.8863 0.8511 0.9225 改进损失函数后的DCGAN数据集增强 0.9328 0.8986 0.8563 0.9300