グラフフロー:二重効率的な医用画像セグメンテーションのためのクロスレイヤグラフフロー蒸留【JST・京大機械翻訳】

Zou Wenxuan; Sun Muyi

プレプリント

J-GLOBAL ID：202202201457205414 整理番号：22P0305317

グラフフロー:二重効率的な医用画像セグメンテーションのためのクロスレイヤグラフフロー蒸留【JST・京大機械翻訳】

Graph Flow: Cross-layer Graph Flow Distillation for Dual Efficient Medical Image Segmentation

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年03月16日プレプリントサーバーでの情報更新日： 2022年08月29日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

深い畳込みニューラルネットワークの開発によって,医用画像セグメンテーションは,近年,一連のブレークスルーを達成した。しかし,高性能畳込みニューラルネットワークは,常に多数のパラメータと高い計算コストを意味し,それは臨床シナリオにおける応用を妨げるであろう。一方,大規模注釈医用画像データセットの希少性は,さらに高性能ネットワークの応用を妨げる。これらの問題に取り組むために,ネットワーク効率およびアノテーション効率医用画像セグメンテーションの両方に対して,包括的知識蒸留フレームワークであるグラフフローを提案した。特に,著者らのコアグラフフロー蒸留は,よく訓練された厄介な教師ネットワークから非訓練コンパクトな学生ネットワークへのクロスレイヤ変動の本質を伝達する。さらに,教師ネットワークの知識を精製するために教師なしParaphraserモジュールを統合し,訓練手順の安定化にも有益である。さらに,敵対蒸留とバニラロジット蒸留を統合することによって統一蒸留フレームワークを構築し,さらにコンパクトなネットワークの最終予測を精密化できる。異なる教師ネットワーク(従来の畳込みアーキテクチャまたは一般的な変圧器アーキテクチャ)および学生ネットワークを用いて,異なるモダリティ(Gastric Cancer,Synapse,BUSI,およびCVC-ClinDB)を有する4つの医用画像データセットに関する広範な実験を行った。これらのデータセット上で競合性能を達成する著者らの方法の顕著な能力を実証した。さらに,二重効率的な医用画像セグメンテーションのための新しい半教師つきパラダイムを通して,著者らのグラフフローの有効性を実証した。このコードはグラフフローで利用可能である。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

その他の無線通信 , 電話・データ通信・交換一般 , 蒸留,蒸発 , 腫ようの診断 , 化学プロセスの解析

, , ,

前のページに戻る