論文の概要: RT-DNAS: Real-time Constrained Differentiable Neural Architecture Search
for 3D Cardiac Cine MRI Segmentation
- arxiv url: http://arxiv.org/abs/2206.04682v1
- Date: Wed, 8 Jun 2022 23:14:08 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-13 15:20:08.108556
- Title: RT-DNAS: Real-time Constrained Differentiable Neural Architecture Search
for 3D Cardiac Cine MRI Segmentation
- Title（参考訳）: RT-DNAS:3次元心臓MRI分割のためのリアルタイム制約付き微分型ニューラルネットワーク探索
- Authors: Qing Lu, Xiaowei Xu, Shunjie Dong, Callie Hao, Lei Yang, Cheng Zhuo,
and Yiyu Shi
- Abstract要約: 本稿では,RT-DNAS という差別化可能なNAS フレームワークにおいて,リアルタイム制約を直接処理する戦略を提案する。
2017年に拡張されたMICCAI ACDCデータセットの実験によると、RT-DNASはリアルタイムの制約を満たすことなく、より正確なものを特定することができる。
- 参考スコア（独自算出の注目度）: 16.917622322606494
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurately segmenting temporal frames of cine magnetic resonance imaging
(MRI) is a crucial step in various real-time MRI guided cardiac interventions.
To achieve fast and accurate visual assistance, there are strict requirements
on the maximum latency and minimum throughput of the segmentation framework.
State-of-the-art neural networks on this task are mostly hand-crafted to
satisfy these constraints while achieving high accuracy. On the other hand,
while existing literature have demonstrated the power of neural architecture
search (NAS) in automatically identifying the best neural architectures for
various medical applications, they are mostly guided by accuracy, sometimes
with computation complexity, and the importance of real-time constraints are
overlooked. A major challenge is that such constraints are non-differentiable
and are thus not compatible with the widely used differentiable NAS frameworks.
In this paper, we present a strategy that directly handles real-time
constraints in a differentiable NAS framework named RT-DNAS. Experiments on
extended 2017 MICCAI ACDC dataset show that compared with state-of-the-art
manually and automatically designed architectures, RT-DNAS is able to identify
ones with better accuracy while satisfying the real-time constraints.
- Abstract（参考訳）: シン磁気共鳴画像(MRI)の正確な時間的フレーム分割は、様々なリアルタイムMRIガイド心的介入において重要なステップである。
高速かつ正確な視覚補助を実現するために、セグメンテーションフレームワークの最大レイテンシと最小スループットに厳格な要件がある。
このタスクの最先端のニューラルネットワークは、高い精度を達成しつつ、これらの制約を満たすために手作りされている。
一方で、既存の文献では、様々な医学的応用において最適なニューラルアーキテクチャを自動同定するニューラルアーキテクチャ探索(nas)の力を実証しているが、それらは主に精度、時には計算の複雑さによって導かれており、リアルタイム制約の重要性は見過ごされている。
大きな課題は、そのような制約が微分不可能であり、広く使われている差別化可能なNASフレームワークと互換性がないことである。
本稿では,RT-DNAS と呼ばれる差別化可能なNAS フレームワークにおいて,リアルタイム制約を直接処理する戦略を提案する。
2017年に拡張されたMICCAI ACDCデータセットの実験によると、最先端のアーキテクチャや自動設計アーキテクチャと比較して、RT-DNASはリアルタイムの制約を満たすことなく、より正確なアーキテクチャを識別できる。
関連論文リスト
- A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
ディープニューラルネットワークは、アンダーサンプル計測から高忠実度画像を再構成する大きな可能性を示している。
我々のモデルは、離散化に依存しないアーキテクチャであるニューラル演算子に基づいている。
我々の推論速度は拡散法よりも1,400倍速い。
論文 参考訳（メタデータ） (2024-10-05T20:03:57Z) - REST: Efficient and Accelerated EEG Seizure Analysis through Residual State Updates [54.96885726053036]
本稿では,リアルタイム脳波信号解析のための新しいグラフベース残状態更新機構(REST)を提案する。
グラフニューラルネットワークとリカレント構造の組み合わせを活用することで、RESTは、非ユークリッド幾何学とEEGデータ内の時間的依存関係の両方を効率的にキャプチャする。
本モデルは,発作検出と分類作業において高い精度を示す。
論文 参考訳（メタデータ） (2024-06-03T16:30:19Z) - MicroNAS: Memory and Latency Constrained Hardware-Aware Neural
Architecture Search for Time Series Classification on Microcontrollers [3.0723404270319685]
我々は、資源制約型マイクロコントローラ(MCU)における時系列分類問題を解決するために、差別化可能なニューラルネットワーク探索(DNAS)の概念を適用した。
ドメイン固有のHW-NASシステムであるMicroNASを導入し、DNAS、ルックアップテーブル、動的畳み込み、MCUの時系列分類に特化して設計された新しい検索空間を提案する。
異なるMCUと標準ベンチマークデータセットの研究により、MicroNASは、最先端のデスクトップモデルに近いパフォーマンス(F1スコア)を達成するMCUに適したアーキテクチャを見つけることを示した。
論文 参考訳（メタデータ） (2023-10-27T06:55:15Z) - Long Short-term Memory with Two-Compartment Spiking Neuron [64.02161577259426]
LSTM-LIFとよばれる,生物学的にインスパイアされたLong Short-Term Memory Leaky Integrate-and-Fireのスパイキングニューロンモデルを提案する。
実験結果は,時間的分類タスクの多種多様な範囲において,優れた時間的分類能力,迅速な訓練収束,ネットワークの一般化性,LSTM-LIFモデルの高エネルギー化を実証した。
したがって、この研究は、新しいニューロモルフィック・コンピューティング・マシンにおいて、困難な時間的処理タスクを解決するための、無数の機会を開放する。
論文 参考訳（メタデータ） (2023-07-14T08:51:03Z) - K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality
Assessment [71.27193056354741]
クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。
本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。
K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
論文 参考訳（メタデータ） (2023-07-10T01:26:48Z) - Neuromorphic Computing with AER using Time-to-Event-Margin Propagation [7.730429080477441]
我々は、AERプロトコルに固有の遅延、トリガー、ソートといった因果的時間的プリミティブが、スケーラブルなニューロモルフィックコンピューティングにどのように活用できるかを示す。
提案したTEMPベースのAERアーキテクチャは、完全に非同期であり、メモリとコンピューティングの相互接続遅延に依存している。
概念実証として、トレーニングされたTEMPベースの畳み込みニューラルネットワーク(CNN)が、MNISTデータセット上で99%以上の精度を示すことを示す。
論文 参考訳（メタデータ） (2023-04-27T02:01:54Z) - Studying Robustness of Semantic Segmentation under Domain Shift in
cardiac MRI [0.8858288982748155]
複数の臨床センターやスキャナーベンダーからの画像間でのドメイン転送の課題と機会について検討する。
本研究では、nnU-netフレームワークによって構成された固定されたU-Netアーキテクチャに基づいて、様々なデータ拡張手法とバッチ正規化層について検討する。
論文 参考訳（メタデータ） (2020-11-15T17:50:23Z) - MS-RANAS: Multi-Scale Resource-Aware Neural Architecture Search [94.80212602202518]
我々は,MS-RANAS(Multi-Scale Resource-Aware Neural Architecture Search)を提案する。
我々は,検索コストの削減を図るために,ワンショットのアーキテクチャ探索手法を採用した。
我々は精度-速度トレードオフの観点から最先端の結果を得る。
論文 参考訳（メタデータ） (2020-09-29T11:56:01Z) - Towards Cardiac Intervention Assistance: Hardware-aware Neural
Architecture Exploration for Real-Time 3D Cardiac Cine MRI Segmentation [18.147734988338634]
リアルタイム心臓MRI(Real-time Heartc MRI)は、様々な心臓の介入を導く上で、ますます重要な役割を担っている。
より優れた視覚補助を提供するには、目立った視覚遅延を避けるために、シネMRIフレームをオンザフライで分割する必要がある。
リアルタイム3次元心血管MRIセグメント化のためのハードウェア対応マルチスケールニューラルアーキテクチャサーチ(NAS)フレームワークを提案する。
論文 参考訳（メタデータ） (2020-08-17T03:22:57Z) - Searching for Efficient Architecture for Instrument Segmentation in
Robotic Surgery [58.63306322525082]
ほとんどのアプリケーションは、高解像度の外科画像の正確なリアルタイムセグメンテーションに依存している。
我々は,高解像度画像のリアルタイム推論を行うために調整された,軽量で高効率なディープ残差アーキテクチャを設計する。
論文 参考訳（メタデータ） (2020-07-08T21:38:29Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。