一种医学图像分割模型压缩方法

摘要

本发明公开了一种医学图像分割模型压缩方法，属于医学影像处理领域。针对一个医学图像分割基本模型，根据模型中每个位置所使用的卷积核的数量来构建搜索空间，针对分割网络的编码‑解码结构，使用对称神经网络搜索在该搜索空间中寻找一个计算量小、分割精度高的子网络，且其编码‑解码结构均是对称的。在遍历整个搜索空间时，使用权重共享策略以减轻计算成本和训练资源。最后在网络的训练过程中使用知识蒸馏方法，以基本模型作为教师模式，压缩子网络作为学生模型，实现二者之间的知识转移。本发明通过神经网络搜索和知识蒸馏，使得医学图像分割模型在保证分割效果的前提下，构建网络的计算成本大大减少，可应用于各种医学图像分割模型。