用于医学图像分割的大批次与小块大小训练
图像与视频处理
2022-10-25 v1 计算机视觉与模式识别
机器学习
摘要
多器官分割可实现器官评估，考虑多个器官之间的关系，并有助于准确的诊断和治疗决策。然而，由于数据集和计算资源的缺乏，只有少数模型能准确执行分割。在AMOS2022挑战赛（一个大规模、临床且多样的腹部多器官分割基准）上，我们使用多GPU分布式训练以 Large batch and patch sizes 训练了一个3D-UNet模型。与基线设置相比，具有大批次和块大小的模型的分割性能趋于提升。通过使用以不同设置训练的集成模型，精度得到进一步提高。这些结果为器官分割中的参数选择提供了参考。
引用
@article{arxiv.2210.13364,
title = {Large Batch and Patch Size Training for Medical Image Segmentation},
author = {Junya Sato and Shoji Kido},
journal= {arXiv preprint arXiv:2210.13364},
year = {2022}
}