- · 《影像研究与医学应用》[05/29]
- · 《影像研究与医学应用》[05/29]
- · 《影像研究与医学应用》[05/29]
- · 《影像研究与医学应用》[05/29]
- · 《影像研究与医学应用》[05/29]
生物医学工程论文_结合多层特征及空间信息蒸馏
作者:网站采编关键词:
摘要:文章摘要:在医学图像分割领域,Unet是目前被使用最为广泛的分割模型,其“编码-解码”结构也成为了构建医学图像分割模型最常用的结构,尽管Unet在许多领域实现了非常高的分割准确
文章摘要:在医学图像分割领域,Unet是目前被使用最为广泛的分割模型,其“编码-解码”结构也成为了构建医学图像分割模型最常用的结构,尽管Unet在许多领域实现了非常高的分割准确度,但是在运算效率上存在着模型计算复杂度高、推理速度慢、运行消耗内存大等问题,这些问题导致其难以在移动应用平台部署。为了解决这一问题,提出了一种结合多层特征及空间信息蒸馏的医学影像分割方法(TinyUnet)。该方法使用参数量很小的Unet作为学生网络,相较于原Unet模型更小更轻。考虑到小模型没有足够的学习能力,该方法通过选择合适的蒸馏位置,对多层教师特征图进行蒸馏,使得学生网络能够获取更有效的特征;同时该方法加强教师网络的深层特征图的边缘,并构建边缘关键点图结构,采用图卷积网络对学生网络进行空间信息蒸馏,从而引导学生网络获取更多有效的边缘信息和空间信息。TinyUnet在口腔全景片数据集,公开的NIH胰腺分割数据集和EM细胞分割数据集上进行了有效性的测试。实验表明,在三个数据集上TinyUnet能够达到Unet 98.3%到99.7%的分割准确度,但是将Unet的参数量平均降低了99.6%,运算速度提高了约110倍。同时,跟其他先进的小巧医学图像分割模型相比,TinyUnet不仅具有较高的分割准确度,而且占用内存更少,运行速度更快。所提出的医学图像分割模型,采用了多层特征蒸馏以及空间信息蒸馏的机制,获得了轻量化高性能的医学图像分割模型。
文章关键词:
项目基金:《影像研究与医学应用》 网址: http://www.yxyjyyxyy.cn/qikandaodu/2021/1029/1796.html