用于海马体分割的混合脉冲神经网络微调
神经与进化计算
2023-02-16 v1 人工智能
计算机视觉与模式识别
机器学习
定量方法
摘要
在过去十年中，人工神经网络（ANN）取得了巨大进展，部分得益于标注数据可用性的提高。然而，ANN 通常需要显著的功耗和内存消耗才能发挥其全部潜力。由于其稀疏性，脉冲神经网络（SNN）最近作为 ANN 的低功耗替代方案出现。但 SNN 不如 ANN 易于训练。在这项工作中，我们提出一种混合 SNN 训练方案，并将其应用于从磁共振图像中分割人海马体。我们的方法以 ANN-SNN 转换作为初始化步骤，并依赖基于脉冲的反向传播来微调网络。与转换和直接训练方案相比，我们的方法在分割精度和训练效率上均具优势。实验证明了我们的模型在实现设计目标方面的有效性。
引用
@article{arxiv.2302.07328,
title = {Hybrid Spiking Neural Network Fine-tuning for Hippocampus Segmentation},
author = {Ye Yue and Marc Baltes and Nidal Abujahar and Tao Sun and Charles D. Smith and Trevor Bihl and Jundong Liu},
journal= {arXiv preprint arXiv:2302.07328},
year = {2023}
}
备注
Accepted to ISBI 2023 conference