The slice level predictions from RA

The slice level predictions from RADnet were aggregated to infer CT level predictions. A 3D CT scan was declared positive if the deep learning model predicted hemorrhage in consecutive three or more slices. This corresponds to minimum cross-sectional dimension of approximately 1.5 mm for hemorrhagic region. Further, we calculated accuracy, recall, precision, and F1 score of the CT level predictions by RADnet and compared with the annotations from individual radiologists.

結果 (繁體中文) 1:

從RADnet切片水平預測是匯總推斷CT水平的預測。三維CT掃描被宣布積極的，如果深度學習模型預測在連續三個以上片出血。這對應於大約1.5毫米出血性區域的最小截面尺寸。另外，我們通過計算RADnet精度，召回，精度和F1得分CT水平的預測，並與個別放射科醫師註釋比較。

結果 (繁體中文) 2:

從 RADnet 聚合的切片級別預測用於推斷 CT 級別預測。如果深度學習模型預測連續三個或更多切片出血，則 3D CT 掃描被宣佈為陽性。這相當於出血區的最低橫截面尺寸約為 1.5 mm。此外，我們計算了RADnet的CT級預測的準確性、召回率、精度和F1分數，並與各個放射學家的注釋進行了比較。

結果 (繁體中文) 3:

來自RADnet的切片水准預測被聚合以推斷CT水准預測。如果深度學習模型預測連續三個或更多切片的出血，則三維CT掃描被宣佈為陽性。這相當於出血區域的最小橫截面尺寸約為1.5 mm。此外，我們通過RADnet計算了CT水准預測的準確性、召回率、精確度和F1評分，並與個別放射科醫生的注釋進行了比較。