《表2 不同方法对肝包虫病分型的实验结果对比》
1)√表示使用了对应的组件;2)灰底数据表示最优结果
实验在训练集上迭代100次.初始学习率设为0.003,并分别在第40次和第60次时乘以0.1作为训练的学习率下降方案.训练批大小统一设为24,4块GPU同时进行训练,每次训练耗时约2 h.GPU上每张图片的测试耗时约为10 ms.表2给出了不同方法的实验对比结果,所有的网络结构均基于VGG.其中,迁移学习表示利用ImageNet上的VGG预训练权重微调(fine-tuning);VAM表示使用双分支结构的视觉注意力模型;Metric表示增加中心损失函数.由表2可见,相对VGG基线(baseline),采用迁移学习F1分数提高了2%,准确度提高了1.1%;采用迁移学习+VAM使F1分数提高了3%,准确度提高了2.1%;采用迁移学习+VAM+中心损失函数使F1分数提高了4%,准确度提高了3.4%;其中,F1和准确度均为按测试集样本数量加权平均后的最优结果.为了减少过拟合问题,实验中的结果均为五折交叉验证的均值.
图表编号 | XD007826100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.30 |
作者 | 南嘉格列、李锐、王海霞、周旭、王毅、倪东 |
绘制单位 | 青海大学附属医院超声科、深圳大学医学超声图像计算实验室医学超声关键技术国家地方联合工程实验室深圳大学医学部生物医学工程学院、深圳大学医学超声图像计算实验室医学超声关键技术国家地方联合工程实验室深圳大学医学部生物医学工程学院、深圳大学医学超声图像计算实验室医学超声关键技术国家地方联合工程实验室深圳大学医学部生物医学工程学院、深圳大学医学超声图像计算实验室医学超声关键技术国家地方联合工程实验室深圳大学医学部生物医学工程学院、深圳大学医学超声图像计算实验室医学超声关键技术国家地方联合工程实验室深圳大学医学部生物 |
更多格式 | 高清、无水印(增值服务) |