·456· 智能系统学报 第15卷 4 实验结果与分析 正确率(Accuracy)对模型在多分类数据集上的表 现进行评价，T表示被正确分类的样本数量、N表 本文将融合迁移学习和神经网络的皮肤病诊 示样本总数，正确率使用式(10)进行计算。 断方法与其他文本分类方法在皮肤病二分类与多 TP 分类数据集上进行了对比实验，对比方法有 Precision TP+EP (8) TextCNN、TextLSTM以及RCNN等。 TP 文本形式病例数据全部来自“爱爱医医学网 Recall TP+FN (9) 病例中心”(https:/bingli.iiyi.com/)。皮肤病二分类 T 数据集如表1所示，“接触性皮炎”二分类数据集 Accuracy=N (10) 中，正样本数量为22，表示患有接触性皮炎的病 多种分类方法在皮肤病二分类数据集上的准 例样本，负样本是在其他皮肤病病例中随机抽取 确率如表3所示，召回率如表4所示，使用迁移学 的与正样本数量相同的病例样本。本文使用7个 习后的准曲率和召回率如表5、6所示。未使用迁 皮肤病二分类数据集进行融合迁移学习与神经网 移学习技术时，TextLSTM在1种皮肤病上准确率 络的皮肤病诊断方法实验，这7个皮肤病二分类 最高，在0种皮肤病上召回率最高；TextCNN在 数据集分别为：接触性皮炎、带状疱疹、过敏性紫 5种皮肤病上准确率最高，在4种皮肤病上召回 癜、红斑狼疮、荨麻疹、湿疹以及银翘病。皮肤病 率最高；RCNN在1种皮肤病上准确率最高，在 多分类数据集如表2所示，该数据集的样本数量 3种皮肤病上召回率最高。使用迁移学习技术 为178，皮肤病类别标签数量为7。本文实验结果 后，TextCNN在4种皮肤病上准确率最高，RCNN 均为10次重复实验结果的平均值。 在2中皮肤病上准确率最高。 表1皮肤病二分类数据集 表3：皮肤病二分类数据集上的准确率 Table 1 Binary classification data sets of skin diseases Table 3 Precision on the data sets of skin diseases for 数据集 样本数量 正样本数量 binary classification 号 接触性皮炎 44 22 数据集 TextLSTM TextCNN RCNN FMNN 带状疱疹 78 39 接触性皮炎 31.82 25.56 64.58 68.61 过敏性紫藏 56 28 带状疱疹 64.63 24.74 49.20 80.11 红斑狼疮 56 28 过敏性紫镀 67.42 70.20 51.14 51.67 荨麻疹 40 20 红斑狼疮 54.00 87.22 86.03 96.00 湿疹 42 21 荨麻疹 36.06 56.86 23.32 22.50 银翘病 40 20 湿疹 63.44 74.89 33.75 62.14 表2皮肤病多分类数据集 银翘病 56.14 83.33 82.92 70.00 Table 2 Multiple classification data set of skin diseases 数据集 样本数量 标签数量 表4皮肤病二分类数据集上的召回率 皮肤病 178 7 Table 4 Recall rate on the data sets of skin diseases for binary classification % 本文采用准确率(Precision)和召回率(Recall) 数据集 TextLSTM TextCNN RCNN FMNN 2个指标对模型在二分类数据集上的表现进行评 接触性皮炎 56.36 23.11 64.50 93.33 价。本文根据样本的预测标签值和原始标签值将 带状疱疹 样本进行划分：TP表示预测模型结果为正样本， 76.26 35.19 88.00 87.77 真实标签为正样本的样本个数；FP表示预测模型 过敏性紫癜 65.84 81.43 68.57 80.00 结果为正样本，真实标签为负样本的样本个数； 红斑狼疮 60.06 81.67 96.00 96.00 TN表示预测模型结果为负样本，真实标签为负 荨麻疹 45.15 90.00 37.50 60.00 样本的样本个数；FN表示预测模型结果为负样 湿疹 46.45 73.33 41.25 70.00 本，真实标签为正样本的样本个数。本文采用的 银翘病 76.36 96.00 83.17 62.14 精确率、召回率分别如式(8)、（⑨）计算。本文采用4 实验结果与分析 本文将融合迁移学习和神经网络的皮肤病诊 断方法与其他文本分类方法在皮肤病二分类与多 分类数据集上进行了对比实验，对比方法 有 TextCNN、TextLSTM 以及 RCNN 等。 文本形式病例数据全部来自“爱爱医医学网- 病例中心”(https://bingli.iiyi.com/)。皮肤病二分类 数据集如表 1 所示，“接触性皮炎”二分类数据集 中，正样本数量为 22，表示患有接触性皮炎的病 例样本，负样本是在其他皮肤病病例中随机抽取 的与正样本数量相同的病例样本。本文使用 7 个 皮肤病二分类数据集进行融合迁移学习与神经网 络的皮肤病诊断方法实验，这 7 个皮肤病二分类 数据集分别为：接触性皮炎、带状疱疹、过敏性紫 癜、红斑狼疮、荨麻疹、湿疹以及银翘病。皮肤病 多分类数据集如表 2 所示，该数据集的样本数量 为 178，皮肤病类别标签数量为 7。本文实验结果 均为 10 次重复实验结果的平均值。 表 1 皮肤病二分类数据集 Table 1 Binary classification data sets of skin diseases 数据集 样本数量 正样本数量 接触性皮炎 44 22 带状疱疹 78 39 过敏性紫癜 56 28 红斑狼疮 56 28 荨麻疹 40 20 湿疹 42 21 银翘病 40 20 表 2 皮肤病多分类数据集 Table 2 Multiple classification data set of skin diseases 数据集 样本数量 标签数量 皮肤病 178 7 本文采用准确率 (Precision) 和召回率 (Recall) 2 个指标对模型在二分类数据集上的表现进行评 价。本文根据样本的预测标签值和原始标签值将 样本进行划分：TP 表示预测模型结果为正样本， 真实标签为正样本的样本个数；FP 表示预测模型 结果为正样本，真实标签为负样本的样本个数； TN 表示预测模型结果为负样本，真实标签为负 样本的样本个数；FN 表示预测模型结果为负样 本，真实标签为正样本的样本个数。本文采用的 精确率、召回率分别如式 (8)、(9) 计算。本文采用 正确率 (Accuracy) 对模型在多分类数据集上的表 现进行评价，T 表示被正确分类的样本数量、N 表 示样本总数，正确率使用式 (10) 进行计算。 Precision = TP TP+FP (8) Recall = TP TP+FN (9) Accuracy = T N (10) 多种分类方法在皮肤病二分类数据集上的准 确率如表 3 所示，召回率如表 4 所示，使用迁移学 习后的准曲率和召回率如表 5、6 所示。未使用迁 移学习技术时，TextLSTM 在 1 种皮肤病上准确率 最高，在 0 种皮肤病上召回率最高；TextCNN 在 5 种皮肤病上准确率最高，在 4 种皮肤病上召回 率最高；RCNN 在 1 种皮肤病上准确率最高，在 3 种皮肤病上召回率最高。使用迁移学习技术 后，TextCNN 在 4 种皮肤病上准确率最高，RCNN 在 2 中皮肤病上准确率最高。 表 3 皮肤病二分类数据集上的准确率 Table 3 Precision on the data sets of skin diseases for binary classification % 数据集 TextLSTM TextCNN RCNN FMNN 接触性皮炎 31.82 25.56 64.58 68.61 带状疱疹 64.63 24.74 49.20 80.11 过敏性紫癜 67.42 70.20 51.14 51.67 红斑狼疮 54.00 87.22 86.03 96.00 荨麻疹 36.06 56.86 23.32 22.50 湿疹 63.44 74.89 33.75 62.14 银翘病 56.14 83.33 82.92 70.00 表 4 皮肤病二分类数据集上的召回率 Table 4 Recall rate on the data sets of skin diseases for binary classification % 数据集 TextLSTM TextCNN RCNN FMNN 接触性皮炎 56.36 23.11 64.50 93.33 带状疱疹 76.26 35.19 88.00 87.77 过敏性紫癜 65.84 81.43 68.57 80.00 红斑狼疮 60.06 81.67 96.00 96.00 荨麻疹 45.15 90.00 37.50 60.00 湿疹 46.45 73.33 41.25 70.00 银翘病 76.36 96.00 83.17 62.14 ·456· 智 能 系 统 学 报 第 15 卷