浙江大学创新软件研发中心

InnovativE SoftwAre TechnoloGy DeveLopment CentEr, EAGLE-Lab

 

喜报:EAGLE实验室博士生秦典同学论文被医学影像处理国际顶级期刊IEEE TMI (IF=10.048)收录

近期,医学影像处理领域公认的国际顶级期刊IEEE Transactions on Medical Imaging (IF=10.048)录用了卜佳俊教授团队的最新研究成果《Efficient Medical Image Segmentation Based on Knowledge Distillation》。博士研究生秦典为文章第一作者,卜佳俊教授为通讯作者。

方法框架图

医学影像处理无疑已成为近年来“AI+医疗”研究热点中的主要问题之一。然而,大多数的研究在聚焦于追求更理想处理结果的同时,却忽略了深度学习算法模型的运行效率。当下许多知名的用于医学影像处理的深度学习模型均嵌入了部分难以进一步优化的复杂卷积模块,这些复杂模块需要大量的算力支持。从而,这些算法模型越来越难以在科学研究和真实场景中进行优化和使用。

为此,卜佳俊教授团队提出了首个用于医学影像分割的系统性知识蒸馏框架,该框架将人工智能领域前沿的知识蒸馏技术引入到医学影像问题中,使得复杂的算法模型可以将其预测能力传递给轻量级模型。实验表明,该方法能在不改变轻量级模型运行效率的条件下,提高其分割能力高达32.6%。不仅如此,团队还提出了首个为医学影像分割任务量身定做的知识蒸馏方法,即区域对比度蒸馏法。该方法可以提取影像中各目标器官的深度代表特征,并将这些代表特征之间的对比关系作为知识进行蒸馏。如此可以巧妙地在知识蒸馏的过程中绕开一直以来困扰医学影像分割任务的目标边界模糊问题。该研究成果给医学影像处理领域提供了新的思路,为提升影像分割算法效率打下了坚实的基础。

影像分割效果图
算法能力提升图

IEEE TMI是公认的医学成像领域的TOP期刊,在全球134种医学成像(Radiology, Nuclear Medicine & Medical Imaging)SCI收录期刊中排名第4 (TOP4);全球112种计算机科学及交叉学科应用(Computer Science, Interdisciplinary Applications)SCI收录期刊中排名第5 (TOP5)。IEEE TMI 2020年影响因子为10.048。

部分团队成员

发表评论

电子邮件地址不会被公开。 必填项已用*标注