|
|||||
|
|
| Hyper-SegUNet:基于超网络的超参自学习医学图像分割模型 | |
| 作者姓名： | 郭逸凡 裴瑄 王大寒 陈培芝 |
| 作者单位： | 1. 厦门理工学院计算机与信息工程学院;2. 厦门理工学院福建省模式识别与图像理解重点实验室 |
| 基金项目： | 国家自然科学基金(61801413); |
| 摘 要： | 为解决在训练UNet及其变种时需要手动选择超参数的缺陷,提出一种嵌入超网络(Hypernetworks)的医学图像分割模型Hyper-SegUNet.首先,构建编码器和解码器组成的U型网络结构.然后,将多组超参数作为解码器的输入单元,进而输出多组不同超参数下的性能,并从中挑选最优超参数.在腹部多器官分割数据集Synapse和心脏单器官分割数据集ACDC的实验结果表明,该模型可以自动选择超参数,而且分割准确性优于基线方法. |
| 关 键 词： | 医学图像分割 超网络 超参数搜索 深度学习 |