用于医学图像分类的轻量级神经架构搜索模型
计算机视觉与模式识别
2024-05-07 v1 人工智能
机器学习
摘要
医学图像的准确分类对于现代诊断至关重要。深度学习的进步使得临床医生越来越多地使用复杂模型来做出更快、更准确的决策，有时甚至取代了人类判断。然而，模型开发成本高昂且重复。神经架构搜索(NAS)通过自动化深度学习架构设计提供了解决方案。本文提出ZO-DARTS+，一种可微分的NAS算法，通过一种新颖的双层优化生成稀疏概率的方法提高了搜索效率。在五个公开医学数据集上的实验表明，ZO-DARTS+在匹配最先进解决方案准确性的同时，将搜索时间减少了多达三倍。
引用
@article{arxiv.2405.03462,
title = {A Lightweight Neural Architecture Search Model for Medical Image Classification},
author = {Lunchen Xie and Eugenio Lomurno and Matteo Gambella and Danilo Ardagna and Manuel Roveri and Matteo Matteucci and Qingjiang Shi},
journal= {arXiv preprint arXiv:2405.03462},
year = {2024}
}