CardiacNAS: Ricerca di Architetture Neurali Consapevole delle Risorse per la Segmentazione di MRI Cardiache
Uno studio recente introduce CardiacNAS, un nuovo framework evolutivo progettato per la ricerca di architetture neurali specificamente per la segmentazione di immagini di risonanza magnetica cardiaca (CMR). Questo framework utilizza una superrete simile a UNet e si concentra su uno spazio di ricerca specializzato per applicazioni cardiache, che include vari parametri come profondità, larghezza, dimensione del kernel e altro. L'obiettivo è migliorare l'accuratezza della segmentazione, valutata attraverso il coefficiente di similarità di Dice e la distanza di Hausdorff al 95° percentile, ottimizzando al contempo l'efficienza computazionale in base alla dimensione del modello e ai FLOP entro limiti di calcolo stabiliti. Le architetture candidate si evolvono attraverso metodi come crossover e mutazione, e i risultati sono stati confrontati con sei concorrenti di alto livello sul dataset ACDC. L'articolo è disponibile su arXiv con l'identificatore 2605.08238.
Fatti principali
- CardiacNAS è un framework evolutivo di ricerca di architetture neurali per la segmentazione CMR.
- Utilizza una superrete simile a UNet con uno spazio di ricerca cardiac-aware.
- Lo spazio di ricerca include profondità, larghezza, dimensione del kernel, dimensione del filtro, attenzione, fusione, attivazione, dropout e scaling residuo.
- Ottimizza il coefficiente di similarità di Dice (DSC) e la distanza di Hausdorff al 95° percentile (HD95) rispetto alla dimensione del modello e ai FLOP.
- Le architetture candidate vengono addestrate con budget proxy e si evolvono tramite crossover, mutazione e selezione elitista.
- Valutato sul dataset ACDC.
- Confrontato con sei metodi all'avanguardia.
- Articolo disponibile su arXiv:2605.08238.
Entità
Istituzioni
- arXiv