基于网络相似性引导初始化的单次神经架构搜索用于病理图像分类
计算机视觉与模式识别
2025-06-18 v1
摘要
基于深度学习的病理图像分析由于网络设计的实际约束而面临独特的挑战。大多数现有方法直接将计算机视觉模型应用于医学任务，忽略了病理图像的独特特征。这种不匹配通常会导致计算效率低下，尤其是在边缘计算场景中。为了解决这个问题，我们提出了一种新颖的网络相似性引导初始化（NSDI）策略，以提高神经架构搜索（NAS）的稳定性。此外，我们将领域自适应引入单次 NAS，以更好地处理跨病理数据集的染色和语义尺度变化。在 BRACS 数据集上的实验表明，我们的方法优于现有方法，提供了卓越的分类性能和临床相关的特征定位。
引用
@article{arxiv.2506.14176,
title = {One-Shot Neural Architecture Search with Network Similarity Directed Initialization for Pathological Image Classification},
author = {Renao Yan},
journal= {arXiv preprint arXiv:2506.14176},
year = {2025}
}