《表1 Goog Le Net网络模型结构及参数》

  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

《深度学习方法对周围型肺癌和肺结核球的分类初探》

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

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。