莫利纳斯:多目标轻量级神经架构搜索全幻灯片多类血细胞细分的全幻灯片

科学领域:

• 医疗成像医学成像
• 计算机视觉 计算机视觉
• 计算生物学 计算生物学

背景情况:

• 精确的血细胞识别对于诊断疾病和推动血液学研究至关重要.
• 手动血细胞分析是耗时和劳动密集的,需要自动化解决方案.
• 自动细分技术对于高效准确的血细胞分析至关重要.

研究的目的:

• 开发新的,高效的神经架构搜索 (NAS) 算法,用于多类血细胞细分.
• 为了应对血液细胞检测中全幻灯片图像分析的挑战.
• 为了确定血液细胞细分的最佳轻量级U形网络架构.

主要方法:

• 设计了两个多目标轻量级神经架构搜索 (NAS) 算法,命名为MOLiNAS.
• 整合了各种方法的优势方面,以找到最佳的U形网络架构.
• 在血液细胞图像数据集上训练和评估模型,用于分段任务.

主要成果:

• 性能最好的模型 (MOLiNASv2_sol3) 实现了高细分指标:IOU为87.33%,F1得分为91.69%,精度为93.50%,回忆率为91.34%.
• 在所有细分指标上表现优于现有的轻量级网络 (EfficientNet,MobileNetv2,MobileNetv3).
• 证明了显著的效率提升,比之前的NAS研究使用高达7.38倍的FLOP和4.03倍的可训练参数,仅使用0.07万个参数.

结论:

• 拟议的MOLiNAS算法为自动化多类血细胞细分提供了高效和高效的解决方案.
• 开发的模型显示出稳定性和通用性,通过废除研究和交叉数据集评估进行验证.
• 这些进步为通过自动化图像分析改善临床诊断和血液学研究提供了有希望的工具.