《表1 不同激活函数对网络测试结果的影响》

  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

《基于改进LeNet-5模型的WHO Ⅱ/Ⅲ级脑胶质瘤影像自动分级的临床研究》

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

见表1。sigmoid激活函数易出现梯度消失现象，导致网络无法进行有效更新。因此，本研究通过对比分析tanh和Re LU常用激活函数，选取最适合该网络的激活函数。在此模型中，Re LU相对于其他两种激活函数更好地解决了梯度消失的问题。网络使用Re LU激活函数时，测试正确率较高，达到82.35%；改进网络的训练准确率比之前的原始网络有明显提高（图4）。改进后的模型测试准确率也较原模型提高，当epoch=45时，正确率达到最高，epoch大于45，趋于不变（图4B）。图5为网络改进前后的Ⅱ级、Ⅲ级胶质瘤错误数对比图，横坐标表示胶质瘤分级的两个类别（1类为WHOⅡ级胶质瘤，2类为WHOⅢ级胶质瘤），纵坐标代表每类的错误数量。相较于原始网络，改进后网络的1类和2类胶质瘤测试错误个数均减少，总体错误率降低；表明改进后的网络结构对胶质瘤分级的准确率较改进前的原始网络有提高。