我想使用由35K图像组成的医学数据集来处理二进制分类问题。我在同一问题上有几个问题。

1。）通常在数据集（如COCO，ImageNet等）上使用的VGG，Inception等架构正在对输入图像进行建模，这些输入图像的特征“丰富”而“复杂”。 VGG具有大约2600万个参数，InceptionV4具有大约5000万个参数，将这样的深度模型用于医学图像是否有意义？

2。）我知道用于多类分类问题的多种体系结构，但是是否有专门针对二进制分类而不仅仅是转换最后一层的神经网络体系结构？

3。）关于如何处理通常在医学数据集的二进制分类中出现的类不平衡问题的任何合适参考？我的意思是，医学数据集通常将其描述为二进制分类和异常检测的组合。我发现的一种方法是使用SVM代替最后一个完全连接的层，但是有更好的方法吗？