《表1 本文采用的DenseNet结构》

  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

《密集卷积神经网络和辅助特征相结合的乳腺组织病理图像有丝分裂检测方法》

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

与传统卷积神经网络相比，DenseNet[22]将每一层与之前的所有层相连接，综合利用了浅层复杂度低的特征和高层复杂度高的特征，实现特征的重复利用，使网络更容易得到具有更好泛化性能的决策函数，具有一定的抗过拟合特性，有效地缓解了梯度消失的问题。因此本文首先基于DenseNet网络构建有丝分裂分类模型，提取深度学习特征。具体的DenseNet结构如表1所示，主要包含的模块有卷积层、池化层、密集卷积块、过渡层和全连接层。其中，M表示过滤器个数；Conv表示卷积核；Max表示最大池化；增长率表示每层卷积核的个数；过渡层由于包含卷积和池化两个操作，在表中以两行表示。各模块功能介绍如下。