《表4 实验结果对比：基于深度可分离稠密网络的新型冠状病毒肺炎X线图像检测方法研究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度可分离稠密网络的新型冠状病毒肺炎X线图像检测方法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本节对模型在二分类任务中的分类效果进行评估。实验分为三组，分别是新冠肺炎和正常组、新冠肺炎和病毒性肺炎组、正常和病毒性肺炎组。每组中都包含六个模型的实验，以评估不同模型在不同分类任务中的效果。对模型使用准确率、灵敏度和特异性三个指标进行评估，计算公式见式（3)～(5）。不同组的二分类实验结果如表4所示。由表4可以看出，在新冠肺炎和正常组分类中，本文模型在灵敏度上表现最好，SDenseNet在灵敏度和准确率上也达到了很高的指标，DWS-DenseNet在准确率和特异性上距最好结果相差不到一个百分点，但参数量上相差巨大，本文模型的网络参数量远远小于其他模型。在新冠肺炎和病毒性肺炎的分类中，SDenseNet在准确率和灵敏性上达到99.7%和100%，DenseNet121在灵敏度方面也达到了100%，相比于这两者，本文所提出的网络在准确率和特异性上达到最优，在灵敏度上还有待提高。在正常和病毒性肺炎的分类中，本文网络在三个指标中表现均为最优，另外SDenseNet在特异性上也达到了最好的指标。由以上分析可知，本文所提出的网络模型虽然参数量小，但在不同的二分类中，模型表现优异。本文模型与改进前的SDenseNet网络的混淆矩阵如图8所示。