《表3 基于深度学习方法的结节检测模型训练方法结果比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《应用于CT图像肺结节检测的深度学习方法综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在深度学习中，神经网络的训练过程中的参数学习是基于梯度下降法进行优化的，神经网络的权重初始化方法对（Weight Initialization）对模型的收敛速度和性能有着至关重要的影响。主要讨论两种权重初始化方法，Glorot等人为了解决随机初始化的问题提出来Xavier Initialization初始化方法，适用的激活函数是sigmoid和tanh，思想是尽可能地让输入和输出服从相同的分布，这样就能够避免后面层的激活函数的输出值趋向于0，PAtech使用了这个方法；何恺明提出的一种针对ReLU的初始化方法He Initialization(Kaiming Initialization）。谢未央等人[33]采用了这个初始化方法。当隐藏层使用ReLU时，效果是比Xavier Initialization好很多。现在神经网络中，隐藏层常使用ReLU，权重初始化常用He Initialization这种方法。对所综述的基于深度学习的结节检测模型的训练方法进行了比较，如表3所示。