11、基于集成CNN的食管癌分类研究

基于集成CNN的食管癌分类研究

1. 实验设置与评估指标

在本次研究中，使用MATLAB2019b工具进行特征提取与融合。评估指标主要有准确率、灵敏度、精确率和F - 度量，这些指标都源自混淆矩阵，具体含义和计算公式如下：
- 灵敏度（Sensitivity） ：衡量正确识别的真阳性占所有实际真阳性的百分比，计算公式为：$Sensitivity = \frac{TP}{TP + FN}$
- 精确率（Precision） ：表示找到的真阳性的准确程度，计算公式为：$Precision = \frac{TP}{TP + FP}$
- 准确率（Accuracy） ：成功识别的数据占总分类数的比例，计算公式为：$Accuracy = \frac{TP + TN}{TP + TN + FP + FN}$
- 特异度（Specificity） ：衡量真阴性的指标，计算公式为：$Specificity = \frac{TN}{TN + FP}$
- F1 - 分数（F1 - score） ：网络模型灵敏度和精确率的算术平均值，用于量化网络模型在给定数据集上的准确率，计算公式为：$F1 - score = 2\times\frac{precision\times recall}{precision + recall}$

此外，还使用Cohens Kappa（K - 分数）和95%置信区间（95%CI）对模型进行分析。

2. 实验结果