%0 Journal Article %A 黎英 %T 迁移学习在医学图像分析中的应用研究综述 %D 2021 %R 10.3778/j.issn.1002-8331.2106-0103 %J 计算机工程与应用 %P 42-52 %V 57 %N 20 %X

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。

%U http://cea.ceaj.org/CN/10.3778/j.issn.1002-8331.2106-0103