UXNet: Searching Multi-level Feature Aggregation for 3D Medical Image Segmentation

论文链接：https://arxiv.org/abs/2009.07501

表现SOTA！性能优于RONASMIS、SCNAS和U-Net++等网络，作者单位：香港大学(罗平团队), 商汤, 港中文

聚合多级特征表示在实现鲁棒的volumetric 医学图像分割中起着至关重要的作用，这对于辅助诊断和治疗很重要。不同于最近的神经网络架构搜索（NAS）方法通常在每个网络层中搜索最优运算符，但却错过了一种搜索特征聚集的好策略的方法，本文提出了一种新颖的用于3D医学图像分割的NAS方法，即UXNet。编码器-解码器网络中的按比例缩放特征聚合策略以及按块运算符。UXNet具有许多吸引人的好处。 （1）它大大提高了传统UNet体系结构的灵活性，该体系结构仅以等效分辨率聚合编码器和解码器的特征表示。（2）精心设计了UXNet的连续relaxation版本，从而使其搜索方案可以有效地进行区分。（3）大量实验证明了UXNet与最近的NAS方法进行医学图像分割相比的有效性。 UXNet发现的体系结构在多个公共3D医学图像分割基准上，特别是在边界位置和微小组织方面，表现都很不错。 UXNet的搜索计算复杂性很低，可以在两个TitanXP GPU上搜索性能低于1.5天的最佳网络。

内容中包含的图片若涉及版权问题，请及时与我们联系删除