https://www.cnblogs.com/xiangfeidemengzhu/p/7453207.html
1、使用了网络中的多层特征，并且能够端到端（一次前向传播）进行实验；
2、没有对腺体结构进行预测，因而无论是良性还是恶性的腺体切片图片都可作为输入进行检测分割；
3、多任务网络。同时实现腺体检测和腺体分割（成簇分割，如毗邻的腺体）。
迁移学习：
医疗数据集由于人工成本过高而较小，在训练数据匮乏的情况下，迁移学习不失为一种不错的选择。浅层网络参数具有普适性，而深层网络参数更针对具体任务，因而浅层网络的参数可以借助其他模型初始化，既能避免过拟合又能提升效果。
论文中作者采用了PASCAL VOC 2012 dataset迁移学习。下采样过程参数使用与训练模型初始化，其他层采用高斯分布随机数初始化，并使用SGF端到端训练。实验表明，如此初始化收敛更快。
*问题：针对正常细胞和变异细胞，两种方法（带轮廓线和不带轮廓线）分别取得了很好的成果，但是实际操作时怎么均衡这个问题。