论文部分内容阅读
目的比较不同传统深度学习模式在肺癌诊断和分类中的应用价值。方法选取2016年1月至2017年11月在长沙市第一医院肿瘤内科接受治疗的33例患者为研究对象。获取非小细胞肺癌和小细胞肺癌活检标本,并进行染色。切片标本由2名经验丰富的病理学家进行诊断。采用多种深度学习方法区分癌症和非癌症活检。比较不同传统深度学习模式在肺癌诊断和分类中的应用价值。结果研究测试了几种流行的基于图像块分类的CNN架构:AlexNet、VGG、ResNet和SqueezeNet,比较两种类型的训练方案:从零开始训练和对整个预训练网络进