计算智能和神经科学
研究文章

瀑布和融合的多任务卷积神经网络检测甲状腺结节的超声造影CT

表3

不同方法的性能比较(%)。
方法 精度 回忆 精度 特异性 F1的分数 AUC CI
CNN-F 95.73 87.14 98.10 99.30 92.30 98.49 (0.0029) (97.91 - 99.06)
CNN-1 94.98 88.66 93.91 97.61 91.21 97.83 (0.0033) (97.18 - 98.49)
CNN-2 93.14 84.10 91.87 96.90 87.81 95.63 (0.0052) (94.60 - 96.66)
ResNet50 93.28 82.20 94.17 97.89 87.78 97.41 (0.003) (97.26 - 98.28)
InceptionV3 93.78 87.29 91.15 96.48 89.18 97.31 (0.0054) (96.85 - 98.46)
VGG-16 92.79 83.90 90.83 96.48 87.22 96.82 (0.0046) (96.33 - 97.31)
彭et al。11] 88.80 82.10 91.70 93.30 - - - - - - 95.30 - - - - - -
刘等人。12] 86.73 91.30 82.35 82.96 - - - - - - 91.05 - - - - - -
数字格式的AUC:意味着(标准差)。