腾讯推全球首款医疗AI开源模型！让3D医疗影像应用性能提升33%( 三 )_：腾讯推全球首款医疗AI开源模型！让3D

该团队将MedicalNet模型迁移到预训练时未接触过的Visceral和LIDC数据集中，完成全新的肺部分割和肺结节分类任务，并与目前常用的从零训练（train from scratch）以及Kinetics视频3D预训练模型在性能以及收敛速度上做了比较。

据称，在肺部分割应用上，相比于Train from Scratch,MedicalNet在Dice上有16%到33%幅度的提升，相比于Kinetics有4%到7%幅度的提升。在肺结节良恶性分类应用上，相比于Train from Scratch，MedicalNet有6%到23%幅度的预测正确率（Acc）提升，相比于Kinetics有7%到20%幅度的提升。

在收敛速度上，实验证明，无论是在肺分割任务还是肺结节分类任务上，MedicalNet均能为模型提供一个较低的初始化损失值，明显加快损失下降速度，下图为MedicalNet性能的一个简单示例，展示了在全器官分割应用中，不同预训练方式在一定训练迭代次数下的测试结果。可以看出，基于我们的预训练模型（MedicalNet）的结果最接近标签（ground truth），且远优于从零训练（train from scratch）的结果，更多细节请参考论文（论文：《Med3D: Transfer Learning for 3D Medical Image Analysis》）。