表 3. Results of ablation experiments using multimodal contrast learning for different encoders on the MVI dataset.

在MVI数据集上不同编码网络采用多模态对比学习的消融实验结果

编码网络	ACC	AUC	REC	PRE	F1
ResNet	（73.29 ± 0.98）%	（76.07 ± 2.62）%	（82.11 ± 0.36）%	（71.60 ± 1.30）%	（76.45 ± 0.70）%
ResNet*	（75.00 ± 0.64）%	（82.79 ± 2.22）%	（88.37 ± 2.90）%	（72.25 ± 0.89）%	（79.39 ± 0.72）%
ShuffleNet	（71.58 ± 3.03）%	（76.82 ± 5.65）%	（70.75 ± 3.82）%	（75.70 ± 3.50）%	（72.97 ± 1.86）%
ShuffleNet*	（72.65 ± 0.74）%	（78.24 ± 1.71）%	（83.67 ± 3.20）%	（69.14 ± 4.52）%	（75.43 ± 1.70）%
Swin Transformer	（71.15 ± 0.64）%	（75.29 ± 2.21）%	（80.48 ± 1.60）%	（69.15 ± 3.51）%	（73.96 ± 2.48）%
Swin Transformer*	（72.44 ± 1.93）%	（77.63 ± 1.32）%	（87.45 ± 2.27）%	（69.37 ± 2.43）%	（77.18 ± 2.19）%