表 1. Performance comparison of different pre-training methods on the MVI dataset.

不同预训练方法在MVI数据集上的性能比较

算法	ACC	AUC	REC	PRE	F1
random	（66.03 ± 3.39）%	（68.56 ± 0.88）%	（66.97 ± 6.24%	（64.21 ± 4.66）%	（65.15 ± 2.99）%
transfer	（70.51 ± 1.11）%	（72.42 ± 1.02）%	（63.22 ± 3.87）%	（76.27 ± 1.94）%	（68.81 ± 1.99）%
SimCLR	（73.40 ± 1.36）%	（77.28 ± 2.26）%	（81.91 ± 0.15）%	（72.04 ± 1.51）%	（76.61 ± 0.91）%
BYOL	（72.44 ± 0.65）%	（74.24 ± 2.91）%	（79.95 ± 7.61）%	（72.45 ± 2.45）%	（75.77 ± 4.27）%
SimSiam	（70.94 ± 2.43）%	（70.43 ± 2.42）%	（81.68 ± 4.48）%	（69.27 ± 4.78）%	（74.72 ± 2.93）%
MICLe	（73.50 ± 2.25）%	（81.13 ± 0.31）%	（81.67 ± 5.88）%	（64.57 ± 2.82）%	（71.97 ± 1.09）%
Self-Trans	（71.36 ± 0.74）%	（81.04 ± 2.31）%	（86.91 ± 1.68）%	（66.31 ± 0.79）%	（74.87 ± 0.84）%
SMR	（72.86 ± 1.62）%	（82.87 ± 1.83）%	（86.98 ± 1.32）%	（63.97 ± 2.12）%	（73.70 ± 1.08）%
本文算法	（74.79 ± 0.74）%	（83.60 ± 1.83）%	（87.03 ± 4.25）%	（71.48 ± 1.10）%	（78.37 ± 1.94）%