摘要
基于卷积神经网络的U-net模型广泛应用于胰腺分割任务,但该类方法对硬件计算能力要求过高,制约了其临床应用。为解决该问题,提出一个基于模型压缩与重构U-net的端到端框架(comprehension prune-reconstructed U-net network,CPRUN),以完成实时胰腺图像分割任务。通过通道剪枝技术实现了对卷积神经网络模型的压缩,利用重构U-net保障胰腺的分割精度。实验结果表明,使用CPRUN模型能够在保持分割精度的前提下有效减少模型参数量,其模型压缩程度与分割精度均优于同类算法。
The U-net model based on convolutional neural network is widely used in pancreas segmentation tasks,but this type of method requires too much hardware computing power,which restricts its clinical application.To solve this problem,an end-to-end framework based on model compression and reconstructed U-net(CPRUN)was proposed to complete the task of real-time pancreatic image segmentation.The compression of the convolutional neural network model was realized using the channel pru-ning technology,and the reconstructed U-net was used to ensure the accuracy of pancreas segmentation.Experimental results show that the use of CPRUN model can effectively reduce the amount of model parameters on the premise of maintaining segmentation accuracy,its model compression degree and segmentation accuracy are better than that of other algorithms.
作者
马豪
刘彦
张俊然
MA Hao;LIU Yan;ZHANG Jun-ran(College of Electrical Engineering,Sichuan University,Chengdu 610000,China)
出处
《计算机工程与设计》
北大核心
2022年第7期1998-2006,共9页
Computer Engineering and Design
基金
国家自然科学基金项目(61902264)
川大泸州校地合作基金项目(2017CDLZ-G27)
川大自贡校地合作基金项目(2018CDZG-19)。
关键词
卷积神经网络
模型压缩
实时胰腺图像分割
通道剪枝
U-net
convolutional neural network
model compression
real-time pancreatic image segmentation
channel pruning
U-net
作者简介
马豪(1995-),男,河南南阳人,硕士研究生,研究方向为医学图像分割;通讯作者:刘彦(1983-),女,重庆人,博士,讲师,研究方向为医学图像分析;张俊然(1978-),男,湖南常德人,博士,教授,CCF会员,研究方向为医学影像与大数据分析、类脑人工智能与模式识别。E-mail:mahao_95@163.com。
