1.1 课题来源

本课题结合国家自然科学基金项目“基于迁移学习的地理领域知识图谱构建技术”（项目号：61702386），联系实际提出本课题。

1.2 研究背景、目的及意义

1.2.1 研究背景

医学影像是诊断和指导治疗的主要手段之一，可以无创地提供相关疾病的信息；医生借助影像，监测分析疾病的发生、发展以及对治疗的反馈，在指导治疗方面有巨大的作用。胸部 X 射线图像被长期用于检测肺炎、肺癌等疾病，是诊断肺部疾病的最佳方法、重要的肺部医学影像之一，在临床护理和流行病学研究中发挥着重要作用。

1.2.2 研究目的

随着互联网技术快速发展，机器学习、计算机视觉、人工智能技术迅速普及，医学临床数据规模不断增长，机器学习方法成为分析医学数据的一种热门方式。采用深度学习技术是目前一个比较普遍的方式。与传统的提取先验特征再使用分类器的方法相比，目前深度学习中的各种卷积神经网络实现简单，准确率高于传统方法；但是对于医学图像这类高维数据而言，采用卷积神经网络（特别是深度卷积神经网络），还有以下不足：

(1)对于医学影像（图像）而言，传统的医学影像数据集数量有限，难以满足深度学习需要。

(2)高效率训练一个准确率高的神经网络需要耗费巨大的时间成本和经济成本。时间成本在文献[1]中给出了详细分析，经济成本体现在非三甲的小型医院很难承受高成本服务器（本地或云端）以及其后续的维护（本地）。

(3)尽管采用常用大规模数据集（如 ImageNet）进行预训练（参数迁移）有助于在训练数据有限的情况下提高准确率，但在临床环境由于不同病患情形复杂，该方式可能会导致与真实医嘱的偏差。