35、组织分类的迁移学习模型比较分析

组织分类的迁移学习模型比较分析

1. 文献综述

深度学习（DL）模型在各个领域，特别是临床应用和医疗保健方面表现出色。在处理大规模模糊数据集时，预训练模型是一种可行的解决方案。以下是不同研究在组织分类方面的成果：
| 年份 | 模型 | 数据集 | 准确率（%） |
| ---- | ---- | ---- | ---- |
| 2017 | LBP、CNN | Kather - texture - 2016 - image | 41.33、41.80 |
| 2017 | VGG - 16、Inception - V | Kimia Path24 | 42.29、56.98 |
| 2017 | LBP、CNN、BoVW | KIMIA Path960 | 90.62、94.72、96.50 |
| 2019 | CNN | MICCAI 2014 | 96 |
| 2018 | CNN | AGATA | 97 |
| 2019 | VGG - 19 | NCT - HE - 100K, CRC - VAL - HE - 7K | 94.3 |
| 2021 | VGG - 16、Inception - v3 | Kimia Path24 | 77、79 |
| 2021 | CNN | 乳腺癌组织病理图像 | 97.05 |
| 2021 | DenseNet、KamiaNet | TCG | 71、99 |
| 2021 | VGG - 19、KamiaNet | 子宫内膜癌数据集 | 76.38、81.41 |
| 2021 | VGG - 19、KamiaNet | 结直肠癌数据