医学图像分析中深度学习模型选择与训练的碳足迹
图像与视频处理
2022-09-16 v2 计算机视觉与模式识别
机器学习
摘要
由于计算需求不断增长，深度学习（DL）日益增长的能耗与碳足迹已成为一个令人关切的问题。在本工作中，我们关注用于医学图像分析（MIA）的 DL 模型开发过程中的碳足迹，其中需处理高空间分辨率的体数据图像。在本研究中，我们介绍并比较了文献中四种用于量化 DL 碳足迹的工具的特性。利用其中一款工具，我们估算了医学图像分割流程的碳足迹。我们选择 nnU-net 作为医学图像分割流程的代理，并在三个常用数据集上进行实验。我们希望通过本工作使人们了解 MIA 所带来的日益增加的能源成本。我们讨论了降低环境影响的一些简单策略，可使模型选择与训练过程更为高效。
引用
@article{arxiv.2203.02202,
title = {Carbon Footprint of Selecting and Training Deep Learning Models for Medical Image Analysis},
author = {Raghavendra Selvan and Nikhil Bhagwat and Lasse F. Wolff Anthony and Benjamin Kanding and Erik B. Dam},
journal= {arXiv preprint arXiv:2203.02202},
year = {2022}
}
备注
Accepted to be presented as an Oral Presentation at 25th International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI), 2022. 13 pages. 5 figures