生物医学工程论文_结合多层特征及空间信息蒸馏 - 上海医学杂志社投稿

来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。一、投稿方式： 1、请从我刊官网直接投稿。 2、请从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。二、稿件著作权： 1、投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、第5条所述之网络是指通过我刊官网。 7、投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

生物医学工程论文_结合多层特征及空间信息蒸馏

作者:

关键词:

摘要：

文章摘要:在医学图像分割领域，Unet是目前被使用最为广泛的分割模型，其“编码-解码”结构也成为了构建医学图像分割模型最常用的结构，尽管Unet在许多领域实现了非常高的分割准确度，但是在运算效率上存在着模型计算复杂度高、推理速度慢、运行消耗内存大等问题，这些问题导致其难以在移动应用平台部署。为了解决这一问题，提出了一种结合多层特征及空间信息蒸馏的医学影像分割方法（TinyUnet）。该方法使用参数量很小的Unet作为学生网络，相较于原Unet模型更小更轻。考虑到小模型没有足够的学习能力，该方法通过选择合适的蒸馏位置，对多层教师特征图进行蒸馏，使得学生网络能够获取更有效的特征；同时该方法加强教师网络的深层特征图的边缘，并构建边缘关键点图结构，采用图卷积网络对学生网络进行空间信息蒸馏，从而引导学生网络获取更多有效的边缘信息和空间信息。TinyUnet在口腔全景片数据集，公开的NIH胰腺分割数据集和EM细胞分割数据集上进行了有效性的测试。实验表明，在三个数据集上TinyUnet能够达到Unet 98.3%到99.7%的分割准确度，但是将Unet的参数量平均降低了99.6%，运算速度提高了约110倍。同时，跟其他先进的小巧医学图像分割模型相比，TinyUnet不仅具有较高的分割准确度，而且占用内存更少，运行速度更快。所提出的医学图像分割模型，采用了多层特征蒸馏以及空间信息蒸馏的机制，获得了轻量化高性能的医学图像分割模型。

文章关键词:

项目基金:《上海医学》网址: http://www.shyxzzs.cn/qikandaodu/2021/1029/834.html