医学影像是否学习到不同的卷积滤波器？

近期工作通过对包含数百个异构图像模型的大规模研究，考察了所学卷积滤波器的分布。令人惊讶的是，平均而言，在包括所学任务、图像域或数据集在内的各种研究维度的比较中，这些分布仅显示出微小的偏移。然而，在所研究的图像域中，医学影像模型通过“尖峰状”分布表现出显著的离群值，因此学习到与其他域不同的高度特异性滤波器簇。遵循这一观察，我们更详细地研究了收集到的医学影像模型。我们表明，离群值并非源于根本性差异，而是某些架构中特定处理所致。恰恰相反，对于标准化架构，我们发现基于医学数据训练的模型其滤波器分布与基于其他域数据训练的相似架构并无显著差异。我们的结论强化了先前假设：影像模型的预训练可使用任意类型的多样化图像数据完成。