AutoML论文笔记（十三）Self-Adaptive 2D-3D Ensemble of Fully Convolutional Networks for Medical Image Segment

文章题目：Self-Adaptive 2D-3D Ensemble of Fully Convolutional Networks for Medical Image Segmentation

链接：link https://arxiv.org/ftp/arxiv/papers/1907/1907.11587.pdf

会议期刊：Neural Networks

论文内容

论文阅读笔记，帮助记忆的同时，方便和大家讨论。因能力有限，可能有些地方理解的不到位，如有谬误，请及时指正。
　随着深度学习的演变，医学图像也随之得到了进一步的发展。医学图像中，最具挑战的是图像分割。传统的途径是采用全卷积神经网络（FCN），但是其有一个弊端：若是2D卷积在组合，会出现边缘锯齿且丢失空间关联信息；若是3D卷积，由于医学图像的像素精度较高，会受限于算力支持。
　本文提出自适应的2D-3D NAS技术用于医学图像分割。其基本框架如下：


　利用进化算法，2D和3D一样的结构，搜索空间定义为以下几个要素：
　
　建立loss的时候，将模型大小纳入考虑范畴，不仅要使得搜索的结构预测精度较高，而且要模型较小，能满足资源受限设备的需求。作者利用单个1080ti显卡，搜索2D FCN花了66个小时，搜索3D FCN花了118个小时。该算法搜出的结构，在PROMISE12 Grand Challenge中排名第9，并且大小比第一缩小了13倍。从下图和ground truth比较中可以看出，该算法在医学分割表现优异。