基于元学习和神经架构搜索的半监督医学图像分割方法

作者：于智洪; 李菲菲

来源：电子科技, 2022, 1-9.

DOI：10.16180/j.cnki.issn1007-7820.2024.01.003

• 医学图像分割
• 元学习
• 神经架构搜索
• 域泛化
• 解耦表示
• 半监督学习
• 卷积神经网络
• 深度学习

大部分医学图像分割方法主要在相同或者相似医疗数据领域进行训练和评估，这意味其需要大量的像素级别的标注。但是，这些模型会在领域分布外的数据集上面临挑战，这也被称为“域偏移”问题。而大部分用于解决该问题的方法通常使用固定的U形分割架构，这会导致其无法更好地适应特定分割任务。文中提出了一种基于梯度的元学习与神经架构搜索方法，可以根据特定任务调整分割网络以实现良好的性能并且拥有良好的泛化能力。本方法主要使用特定任务进行架构搜索模块进一步提升分割效果，再使用基于梯度的元学习训练算法提升泛化能力。在公共数据集M＆Ms上，在5%标签数据下，其Dice和Hausdorff distance分别为79.62%， 15.38%。在2%标签数据下，其Dice和Hausdorff distance分别为74.03%，17.05%。与其他主流方法相比，其拥有更好的泛化能力。

• 单位
  上海理工大学