研究文章
COVID-19检测使用深卷积神经网络和二进制微分算法特征选择从x射线图像
表1
混淆矩阵后平均100分3类使用(a)优化特性和(b)原始特性的基础上,训练,测试,验证和数据总量。
|
| (一)优化功能 |
| 优化功能测试 |
预测 |
| COVID-19 |
正常的 |
肺炎 |
|
| 实际 |
COVID-19 |
51/75 |
0 |
0/2 |
| 正常的 |
0/15 |
54/9 |
0/1 |
| 肺炎 |
0/4 |
0/55 |
55/95 |
|
| 优化功能验证 |
预测 |
| COVID-19 |
正常的 |
肺炎 |
| 实际 |
COVID-19 |
55/05 |
0/05 |
0/45 |
| 正常的 |
0/05 |
54/4 |
0/3 |
| 肺炎 |
0/4 |
1 |
52/3 |
|
| 优化功能训练 |
预测 |
| COVID-19 |
正常的 |
肺炎 |
| 实际 |
COVID-19 |
256/5 |
0 |
0 |
| 正常的 |
0 |
254/1 |
0 |
| 肺炎 |
0 |
0 |
253/4 |
|
| 优化功能总 |
预测 |
| COVID-19 |
正常的 |
肺炎 |
| 实际 |
COVID-19 |
363/3 |
0/05 |
0/65 |
| 正常的 |
0/2 |
363/4 |
0/4 |
| 肺炎 |
0/8 |
1/55 |
361/65 |
|
| (b)原始功能 |
| 最初的功能测试 |
预测 |
| COVID-19 |
正常的 |
肺炎 |
| 实际 |
COVID-19 |
51/65 |
0 |
0/3 |
| 正常的 |
0/25 |
54/65 |
0/25 |
| 肺炎 |
0/5 |
0/95 |
55/45 |
|
| 最初的功能验证 |
预测 |
| COVID-19 |
正常的 |
肺炎 |
| 实际 |
COVID-19 |
54/85 |
0 |
0/7 |
| 正常的 |
0/15 |
54/2 |
0/4 |
| 肺炎 |
0/55 |
1/2 |
51/95 |
|
| 原始功能训练 |
预测 |
| COVID-19 |
正常的 |
肺炎 |
| 实际 |
COVID-19 |
256/45 |
0 |
0/05 |
| 正常的 |
0 |
254/1 |
0 |
| 肺炎 |
0 |
0 |
253/4 |
|
| 原始特征总 |
预测 |
| COVID-19 |
正常的 |
肺炎 |
| 实际 |
COVID-19 |
362/95 |
0 |
1/05 |
| 正常的 |
0/4 |
362/95 |
0/65 |
| 肺炎 |
1/05 |
2/15 |
360/8 |
|
|
