在结直肠癌肝转移的深度细分中探索学习的可转移性

科学领域:

• 医疗成像医学成像
• 深度学习 (Deep Learning) 是一种深度学习.
• 在瘤学瘤学.

背景情况:

• 准确的肝损伤细分对于术前规划和治疗监测至关重要.
• 小型肝转移的细分仍然是一个挑战,原因是特征下降采样和数据不平衡.

研究的目的:

• 调查各种转移学习方案对肝转移细分的影响.
• 提供指导方针,为有效的模型培训在这个领域.

主要方法:

• 评估转移学习策略的综合实验.
• 从头开始训练的模型的规模特定评估,包括一般预训练和特定领域的预训练.

主要成果:

• 从头开始训练的模型在细分肝转移方面表现出更高的熟练程度.
• 与一般预训练相比,特定领域的预训练也产生了更好的结果.
• 转移学习的有效性因所采用的方案而异.

结论:

• 建议进行特定领域的预训练或从头开始的训练,以进行强大的肝转移细分.
• 解决诸如特征退化和数据不平衡等挑战是改善这一领域深度学习模型的关键.