面向轻量化医学图像分割网络的神经结构搜索
现有的性能优异的医学图像分割模型大都由领域专家手动设计,设计过程往往需要大量专业知识和反复实验.此外,过度复杂的分割模型不仅对硬件资源有较高要求,且分割效率较低.为此,提出了用于自动构建轻量化医学图像分割网络的神经结构搜索方法Auto-LW-MISN(Automatically Light-Weight Medical Image Segmentation Network).通过构建轻量级搜索空间、设计适用于医学图像分割的搜索超网络、设计添加复杂性约束的可微分搜索策略,建立用于自动搜索轻量化医学图像分割网络的神经结构搜索框架.在显微镜细胞图像、肝脏CT图像和前列腺MR图像等数据集上进行实验,结果表明,Auto-LW-MISN能够针对不同模态的医学图像自动构建轻量化的分割模型,其分割精度相比U-net,Attention U-net,Unet++和NAS-U net等方法均有提高.
深度学习、可微分神经结构搜索、轻量化卷积神经网络、自动化网络结构设计、医学图像分割
49
TP391(计算技术、计算机技术)
国家重点研发计划;装备预研教育部联合基金;山东省自然科学基金;福建省医疗数据挖掘与应用工程技术研究中心开放课题;青岛市科技计划
2022-10-20(万方平台首次上网日期,不代表论文的发表时间)
共8页
183-190