面向轻量化医学图像分割网络的神经结构搜索

现有的性能优异的医学图像分割模型大都由领域专家手动设计，设计过程往往需要大量专业知识和反复实验。此外，过度复杂的分割模型不仅对硬件资源有较高要求，且分割效率较低。为此，提出了用于自动构建轻量化医学图像分割网络的神经结构搜索方法Auto-LW-MISN(Automatically Light-Weight Medical Image Segmentation Network)。通过构建轻量级搜索空间、设计适用于医学图像分割的搜索超网络、设计添加复杂性约束的可微分搜索策略，建立用于自动搜索轻量化医学图像分割网络的神经结构搜索框架。在显微镜细胞图像、肝脏CT图像和前列腺MR图像等数据集上进行实验，结果表明，Auto-LW-MISN能够针对不同模态的医学图像自动构建轻量化的分割模型，其分割精度相比U-net, Attention U-net, Unet++和NAS-Unet等方法均有提高。