基于神经架构搜索的多模态磁共振成像胶质瘤分割
图像与视频处理
2020-05-21 v2 计算机视觉与模式识别
机器学习
摘要
过去几年见证了人工智能推动的各类医学领域的变革。胶质瘤是最常见、生存率低的脑肿瘤之一，其诊断与治疗高度依赖于在磁共振成像（MRI）扫描上进行的计算机辅助分割过程。尽管编码器-解码器形态的深度的学习网络已成为医学影像分析中语义分割任务的事实标准范式，仍需在向下采样与向上采样块的具体架构设计上耗费大量精力。本工作中，我们提出一种基于神经架构搜索（NAS）的脑肿瘤分割方案，面向多模态体数据 MRI 扫描。我们分别为三类基本构建块组合了三组候选操作，其中每个操作被分配一个待学习的具体概率参数。通过交替更新操作权重与网络中其他参数，该搜索机制最终得到向上与向下块的两个最优结构。此外，所开发的方案还集成了针对脑 MRI 处理定制的归一化与分块策略。在 BraTS 2019 数据集上的大量对比实验表明，所提算法不仅能缓解手工设计块架构的压力，还具备具有竞争力的可行性与可扩展性。
引用
@article{arxiv.2005.06338,
title = {Neural Architecture Search for Gliomas Segmentation on Multimodal Magnetic Resonance Imaging},
author = {Feifan Wang},
journal= {arXiv preprint arXiv:2005.06338},
year = {2020}
}