《表5 不同学习策略性能比较》

  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

《基于深度迁移学习的肺结节分割方法》

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

从图10可以观察到，未进行迁移学习预训练的网络，即从头训练网络，有较大的Loss值震动，模型的稳定性较差，分割精度低，如图（a）所示；在进行迁移学习后，网络性能明显更稳定、更优，如图（c）所示，并且网络性能要比经典的U-Net网络（b）效果更好。虽然引入迁移学习，但是比起传统的冻结全部网络层进行微调策略，本文的方法更好地缓解了由于迁移学习的二次应用造成的特征表现能力差的问题，图（d)～(h）所示为本文提出的分块式微调策略的损失图，可以看出在冻结Block1，微调其余块时，网络性能达到最优，并且损失也到达最小，即图（g）所示，得到最有效的微调块，也有效提高了评估参数Dice的值。