研究文章
一个新颖的基于DCNNs COVID-19检测方法和层次结构
|
| 方法 |
性能指标 |
| 灵敏度 |
特异性 |
精度 |
- - - - - -分数 |
精度 |
|
| densenet - 121 (19] |
0.9159 |
0.9200 |
0.9227 |
0.9193 |
0.9200 |
| 陈等人。30.] |
0.9693 |
0.9700 |
0.9707 |
0.9701 |
0.9700 |
| VGG-16 [14] |
0.8724 |
0.8900 |
0.9133 |
0.8924 |
0.8900 |
| Xception [35] |
0.6800 |
0.6800 |
0.9273 |
0.7846 |
0.6800 |
| Apostolopoulos et al。31日] |
0.9487 |
0.9533 |
0.9604 |
0.9545 |
0.9533 |
| Gayathri et al。22] |
0.9754 |
0.9402 |
0.9435 |
0.9596 |
0.9583 |
| Bargshady et al。13] |
0.9001 |
0.8755 |
0.8877 |
0.8990 |
0.8769 |
| 艾尔et al。32] |
0.8824 |
0.9222 |
0.5945 |
0.7112 |
0.9220 |
| Almalki et al。33] |
0.9628 |
0.9621 |
0.9628 |
0.9628 |
0.9625 |
| 阮et al。34] |
0.9628 |
0.9633 |
0.9638 |
0.9633 |
0.9633 |
| DualCheXNet [23] |
0.8051 |
0.8100 |
0.9959 |
0.8904 |
0.8100 |
| 该方法 |
0.9900 |
1.0000 |
1.0000 |
0.9950 |
0.9967 |
|
|
