吴骋1，秦婴逸U李冬冬J王志勇2
1.海军军医大学军队卫生统计学教研室，上海200433;
美臀坐垫2.海军军医大学第一附属医院信息科，上海200433
［摘要］迁移学习技术是一种将源域中的知识迁移到目标域任务上的新的机器学习方法，较好地解决了机器学习方法在医疗领域应用时缺少足够的有标签数据的情况。本文首先按照迁移学习方法的分类介绍了不同迁移学习方法的基本思想，并回顾了基于实例、特征、模型、关系的迁移学习研究进展。其次，结合实际案例，重点介绍了迁移学习在医疗文本数据处理，基于文本、图像、语音的疾病诊断中的应用。最后，对在医疗领域有发展潜力的迁移学习方法进行了应用展望。本文对于更好地解决传统机器学习或深度学习方法在医疗领域中的局限性提供了参考，对相关领域的工作者具有一定的借鉴价值。［关键词］迁移学习；医疗领域；机器学习；深度学习 Transfer Learning Technology and Its Application in Medical Field
WU Cheng1,QIN Yingyi1,LI Dongdong1,WANG Zhiyong2
1.Department of Military Health Statistics,Naval Medical University,Shanghai200433,China;
2.Department of Information,First Affiliated Hospital,Naval Medical University,Shanghai200433,China Abstract:Transfer learning technology is a new machine learning method that transfers knowledge from source domain to target domain.It solves the problem that machine learning methods lack enough labeled data when applied in medical field.Firstly, according to the classification of transfer learning methods,the basic ideas of different transfer learning methods were introduced, and the research progress of transfer learning based on case,feature,model and relationship was reviewed in this paper.Secondly, combined with practical cases,the application of migration learning in medical text data processing and disease diagnosis based on text,image and voice were mainly introduced.Finally,the application prospect of transfer learning method which has potential in the medical field was presented.This paper provides a reference for solving the limitations of traditional machine learning or deep learning methods in the medical field,and can be referredbyresearchers in related fields.
Key words:transfer learning;medical field;machine learning;deep learning
冲图分类号］R197.39;TP181［文献标识码］A
tzddoi：10.3969/j.issn.l674-1633.2020.09.037［文章编号］1674-1633(2020)09-0161-04洗瓶
引言
近年来，随着科技发展，大量机器学习和深度学习技术已被成功应用到各个领域，如情感分析、推荐系统和人脸识别等，医疗领域也是其重要的研究与应用方向之一。为了保证机器学习和深度学习模型的性能，通常对数据有一些要求：训练数据和测试数据需来自同样的特征空间且具有相同分布⑴。然而，医疗领域的数据具有多而杂、非结构化数据占比大、专业性强等特点，对医疗记录的标注需要熟悉诊疗过程的医学专业人员的指导，使得标注任务繁重且周期较长。因此，如果可以将其他领域中的知识迁移到医疗场景中，将带来极大的便利。迁移学习就是为了解决此类问题而提出的一种机器学习技术3】，根据分类方法主要包括三个方面：①学习情境：归纳式迁移学习、直
收稿日期：2020-03-24
基金项目：上海市自然科学基金(19ZR1469800)；全军后勤科研重大项目子题(AWS15J005-4)；海军军医大学第一附属医院“234学科華峰计划”(2019YBZ002)。滑水鞋
蕲蛇酶注射液
通信作者：王志勇，高级工程师，主要研究方向为医疗信息化。
通信作著邮箱：pbkiller@126 推式迁移学习、无监督迁移学习;②特征空间：同构迁移学习、异构迁移学习；③学习方式：基于实例的迁移学习、基于特征的迁移学习、基于模型的迁移学习、基于关系的迁移学习。
1迁移学习方法
1.1基于实例的迁移学习
基于实例的迁移学习是迁移学习中较为简单的一种，主要通过权重重复利用源域和目标域中的样本，实现知识的迁移。它的基本假设是源域和目标域中有一部分样本特征相同。TrAdaboost是基于样本迁移学习的典型方法，在2007年由Dai等［5］率先提出，其主要思想是提高有利于目标任务性能的样本权重，降低不利于目标任务性能的样本权重，最终得到一个在目标域中性能更好的模型。Yao等问考虑了多个源域的知识，对TrAdaboost进行了改进，提出多源域TrAdaboost(Multi-Source TrAdaboost,MTrA)，选择与目标域最相关的源域知识进行迁移，有效避免了只有
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议