可植入自适应细胞：预训练U-Net在医学图像分割中的新型增强方法
计算机视觉与模式识别
2026-04-09 v2 人工智能
摘要
本文介绍了一种新颖的方法，利用基于梯度的神经架构搜索（NAS）方法来增强预训练神经网络在医学图像分割中的性能。我们提出了可植入自适应细胞（IAC）的概念，即通过部分连接DARTS方法识别的小模块，旨在注入到现有已训练U形模型的跳跃连接中。与传统的NAS方法不同，我们的方法在不进行完全重新训练的情况下改进现有架构。在四个包含MRI和CT图像的医学数据集上的实验表明，在各种U-Net配置上均获得了一致的精度提升，所有验证数据集的分割精度增益约为5个百分点，在最佳情况下提升高达11个百分点。本研究的结果不仅为性能升级提供了一种成本效益高的替代方案，避免了复杂模型的彻底改造，而且表明了我们的方法在其他架构和问题领域中的潜在适用性。
引用
@article{arxiv.2405.03420,
title = {Implantable Adaptive Cells: A Novel Enhancement for Pre-Trained U-Nets in Medical Image Segmentation},
author = {Emil Benedykciuk and Marcin Denkowski and Grzegorz Wójcik},
journal= {arXiv preprint arXiv:2405.03420},
year = {2026}
}