U型网络的双自蒸用于3D医疗图像分割

科学领域:

• 医疗成像医学成像
• 计算机视觉 计算机视觉
• 机器学习 机器学习

背景情况:

• U型网络在医疗图像细分方面非常有效.
• 提高这些网络的性能仍然是一个活跃的研究领域.

研究的目的:

• 为U形网络引入一种新的双自蒸 (DSD) 框架.
• 为了提高3D医疗图像细分性能.

主要方法:

• 拟议的DSD框架将知识从基础真理标签蒸到解码层.
• 它还促进了在单个U形网络中的编码器和解码器层之间的知识蒸.
• DSD是一种适用于各种U形架构的通用训练策略.

主要成果:

• 在两个公共3D医学图像细分数据集上进行了广泛的实验.
• 当与两个最先进的U形脊柱集成时,DSD表现出显著的性能改进.
• 该框架在可训练参数和训练时间的微不足道增加的情况下实现了这些改进.

结论:

• 双自蒸框架有效地增强了3D医疗图像细分.
• DSD为医学成像中的U形网络提供了一种有价值,高效的培训策略.
• 拟议的方法对推进自动化医疗图像分析有前途.