迁移学习在医学图像分析中的应用研究综述

摘要：

迁移学习是机器学习中一种新的学习范式,它可以克服深度学习需要大量样本的缺陷,能够解决医学图像分析中数据集较小导致模型不准确的问题,因而成为继深度学习之后在医学图像分析领域的研究热点.对迁移学习进行概要阐述,按照目前医学图像分析中应用的主要迁移学习方法,即基于数据的迁移学习、基于模型的迁移学习、对抗式迁移学习和混合迁移学习,对医学图像分析领域的重要文献进行整理和归纳,分析每种迁移学习的机制、适用范围、应用情况和优缺点,再对这几种迁移学习方法进行总结、分析及比较.针对研究现状的不足指出该领域的研究发展趋势,为迁移学习在该领域的深入研究提供参考.

关键词：迁移学习;医学图像;机器学习;学习范式

所属期刊栏目：57

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金62062051,62066032

在线出版日期：2021-10-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：42-52