UXNet：面向三维医学图像分割的多级特征聚合搜索
计算机视觉与模式识别
2020-09-17 v1
摘要
聚合多级特征表示在实现鲁棒的体积医学图像分割中起着关键作用，而后者对辅助诊断与治疗十分重要。与近期神经架构搜索（NAS）方法通常仅搜索各网络层中的最优算子却忽视搜索特征聚合策略不同，本文提出一种用于三维医学图像分割的新型NAS方法，名为UXNet，其同时搜索编码器-解码器网络中尺度级特征聚合策略与块级算子。UXNet具有若干突出优势：（1）显著提升了经典UNet架构的灵活性，该架构仅在同等分辨率下聚合编码器与解码器的特征表示；（2）精心设计了UXNet的连续松弛，使其搜索方案以高效可微方式进行；（3）大量实验证明了UXNet相较于近期医学图像分割NAS方法的有效性。UXNet发现的架构在多个公开三维医学图像分割基准的Dice指标上优于现有最优模型，尤其在边界位置与微小组织处。UXNet的搜索计算复杂度低，可在两块TitanXP GPU上于不到1.5天搜索出性能最佳的网络。
引用
@article{arxiv.2009.07501,
title = {UXNet: Searching Multi-level Feature Aggregation for 3D Medical Image Segmentation},
author = {Yuanfeng Ji and Ruimao Zhang and Zhen Li and Jiamin Ren and Shaoting Zhang and Ping Luo},
journal= {arXiv preprint arXiv:2009.07501},
year = {2020}
}