FedAutoMRI：面向 MR 图像重建的联邦神经架构搜索
图像与视频处理
2023-07-24 v1
摘要
集中式训练方法在 MR 图像重建中已展现出有前景的结果，但从多家机构收集数据时会引发隐私问题。联邦学习作为一种分布式协作训练方案，能够利用多中心数据而无需在机构间传输数据。然而，现有的联邦学习 MR 图像重建方法依赖手动设计的模型，这类模型参数量大，且在面对异构数据分布时性能下降。为此，本文提出一种新颖的面向 MR 图像重建的联邦神经架构搜索方法（FedAutoMRI）。该方法利用可微架构搜索自动寻找最优网络架构。此外，引入指数移动平均方法以提升客户端模型对数据异构问题的鲁棒性。据我们所知，这是首项将联邦神经架构搜索用于 MR 图像重建的工作。实验结果表明，与经典联邦学习方法相比，我们提出的 FedAutoMRI 在使用仅含少量模型参数的轻量级模型的同时，能够取得有前景的性能。
引用
@article{arxiv.2307.11538,
title = {FedAutoMRI: Federated Neural Architecture Search for MR Image Reconstruction},
author = {Ruoyou Wu and Cheng Li and Juan Zou and Shanshan Wang},
journal= {arXiv preprint arXiv:2307.11538},
year = {2023}
}
备注
10 pages