HNAS-reg：用于可变形医学图像配准的分层神经架构搜索
图像与视频处理
2023-08-25 v1 计算机视觉与模式识别
摘要
卷积神经网络（CNNs）已被广泛用于构建医学图像配准的深度学习模型，但手动设计的网络架构未必最优。本文提出一种分层 NAS 框架（HNAS-Reg），包含卷积操作搜索和网络拓扑搜索，以识别可变形医学图像配准的最优网络架构。为缓解计算开销和内存限制，采用了部分通道策略且不损失优化质量。在包含 636 幅 T1 加权磁共振图像（MRIs）的三个数据集上的实验表明，与包括一种代表性传统方法和两种无监督基于学习方法的最先进图像配准方法相比，所提方法能构建具有更高图像配准精度和更小模型尺寸的深度学习模型。
引用
@article{arxiv.2308.12440,
title = {HNAS-reg: hierarchical neural architecture search for deformable medical image registration},
author = {Jiong Wu and Yong Fan},
journal= {arXiv preprint arXiv:2308.12440},
year = {2023}
}