《表1 Goog Le Net网络模型结构及参数》
本研究对已标注为肺癌和肺结核球的影像,使用基于GoogLeNet的模型进行训练,GoogLeNet提出的多尺度感知层Inception结构使用密集成分来近似最优的局部稀疏结构,以提高计算性能。GoogLeNet使用224×224的图像作为输入,但如果图像尺寸过大,则易把不相关信息混入训练图像,直接影响分类结果;而且GoogLeNet对大尺寸自然图像使用的大尺寸卷积核和大步长,在识别肺癌/肺结核球特征时,略显粗糙。对于所收集图像的统计发现,使用56×56(约3.7cm×3.7cm)的图像可以包含绝大多数的感兴趣区(肺癌、肺结核球的平均最长径为2.3、2.9cm)。因此,在本研究修改了训练模型,使它适应较小尺寸的图像,并且提取到更精细的特征,使用线性整流函数(rectified linear unit,ReLU)作为激活函数。GoogLeNe网络模型结构及参数见表1。
图表编号 | XD00180284700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.10 |
作者 | 王彬冰、白雪、陈明、郑光浩、胡东、张璐、张华、贾宏远、刘吉平、单国平 |
绘制单位 | 中国科学院肿瘤与基础医学研究所中国科学院大学附属肿瘤医院(浙江省肿瘤医院)放射物理室、中国科学院肿瘤与基础医学研究所中国科学院大学附属肿瘤医院(浙江省肿瘤医院)放射物理室、中国科学院肿瘤与基础医学研究所中国科学院大学附属肿瘤医院(浙江省肿瘤医院)放射物理室、中国科学院肿瘤与基础医学研究所中国科学院大学附属肿瘤医院(浙江省肿瘤医院)放射物理室、中国科学院肿瘤与基础医学研究所中国科学院大学附属肿瘤医院(浙江省肿瘤医院)放射物理室 |
更多格式 | 高清、无水印(增值服务) |