Predicting survival from colorectal cancer histology slides using deep learning: A retrospective multicenter study翻译
翻译原文
9分类
研究使用了多种不同的CNNs结构,权重均经ImageNet数据集训练迁移而来。研究将替换网络的分类层并使用带动量的随机梯度下降进行模型训练。研究评估了五种不同CNNs结构的表现,分别是:VGG19、AlexNet、SqueezeNet version 1.1、GoogLeNet以及ResNet50。为了衡量这些模型的表现,研究将NCT-CRC-HE-100K的数据划分为三部分,其中70%为训练集,15%为验证集,另外15%被用作测试集。使用两张NVIDIA P6000 GPU进行训练,batch size为360,学习率为0.0003,迭代次数为8次。研究发现除了SqueezeNet以外,其他四种CNNs的分类准确率均大于97%,其中VGG19的准确率最高(98.7%),训练时间适中(见下图)。
————————————————
版权声明:本文为CSDN博主「深度学习小学生」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/cl2227619761/article/details/110701338