面向三维医学图像分割的可扩展神经架构搜索
机器学习
2021-10-28 v1 计算机视觉与模式识别
图像与视频处理
机器学习
摘要
本文提出一种用于三维医学图像分割的神经架构搜索(NAS)框架，以从大型设计空间中自动优化神经架构。我们的NAS框架搜索编码器与解码器中每一层的结构，包括神经连接与操作类型。由于高分辨率三维医学图像导致在大型离散架构空间上优化困难，还提出了一种基于连续松弛的新随机采样算法，用于可扩展的基于梯度的优化。在带有基准数据集的三维医学图像分割任务上，所提NAS框架自动设计的架构优于人工设计的三维U-Net，且该优化架构很适合迁移至不同任务。
引用
@article{arxiv.1906.05956,
title = {Scalable Neural Architecture Search for 3D Medical Image Segmentation},
author = {Sungwoong Kim and Ildoo Kim and Sungbin Lim and Woonhyuk Baek and Chiheon Kim and Hyungjoo Cho and Boogeon Yoon and Taesup Kim},
journal= {arXiv preprint arXiv:1906.05956},
year = {2021}
}
备注
9 pages, 3 figures