《表1 网络具体参数设置：基于Deep learning技术的医学影像分割研究》

  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Deep learning技术的医学影像分割研究》

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

文中使用的图像分割网络架构，如图1所示。表1所示为各层的具体参数设置。该分割网络包含5个卷积层、3个池化层和1个反卷积层。本文设置输入图像的大小为512*512，第一个卷积层使用32个9*9的滤波器连接1个通道的输入图像，并使用大小为1的滑动步幅；第2个卷积层的输入为第1个池化层的输出，该层包含64个7*7的滤波器，步幅大小仍为1；第3个卷积层的输入为第2个池化层的输出，该层包含128个5*5的滤波器，步幅大小为1。通过不断减小卷积核的大小，并增加卷积核的数量来学习更多的高层特征。第4个和第5个卷积层均使用1*1的卷积核来保持特征图的大小不变，只改变特征通道的数量。最后的反卷积层使用16*16大小的卷积核，并设置步幅大小为8，以保证输出图像与输入图像的大小一致。