Nghiên cứu
LightMIS: Kiến trúc phân đoạn ảnh y tế siêu nhẹ không cần bộ giải mã theo tầng
(giờ Việt Nam)
Tóm tắt AI
LightMIS là dòng mạng tích chập siêu nhẹ tối ưu cho phân đoạn ảnh y tế 2D, loại bỏ bộ giải mã theo tầng truyền thống để đạt hiệu suất cao với chỉ 0,131 triệu tham số, đã được kiểm chứng qua giao thức nnU-Net v2.3.1 trên nhiều tập dữ liệu y tế phổ biến.
Chính văn · Bản dịch AI
Tóm tắt: Chúng tôi giới thiệu LightMIS, một họ mạng tích chập siêu nhẹ có khả năng mở rộng dành cho phân đoạn ảnh y tế nhị phân 2D mà không cần bộ giải mã theo giai đoạn (stage-wise decoder) được học. LightMIS căn chỉnh đầu ra của bộ mã hóa năm cấp về một độ phân giải chung bằng cách sử dụng các khối Scale-Aligned Projection, tổng hợp chúng một lần và tinh chỉnh biểu diễn đã hợp nhất bằng Adaptive Fusion Cascade. Cascade này kết hợp Adaptive Kernel Fusion với mô-đun Progressive Receptive Fusion được đề xuất, sử dụng cơ chế mở rộng kênh tạm thời, các trường tiếp nhận theo chiều sâu bổ trợ và truyền thông tin liên nhánh lũy tiến. Chúng tôi đánh giá LightMIS-T, LightMIS-S và LightMIS bằng phương pháp kiểm chứng chéo năm lần (five-fold cross-validation) theo giao thức nnU-Net v2.3.1 phổ biến trên các tập dữ liệu DRIVE, Kvasir-SEG, DSB18, BUSI, ISIC-2017 và ISIC-2018. LightMIS đầy đủ chứa 0,131 triệu tham số và yêu cầu 0,575 GFLOPs cho đầu vào $3\times256\times256$, đạt điểm Dice và IoU vĩ mô theo phương thức lần lượt là 86,71% và 78,99%. Mobile U-ViT đạt 86,75% Dice và 79,07% IoU, do đó sự khác biệt quan sát được chỉ là 0,04 và 0,08 điểm phần trăm. So với Mobile U-ViT, nnWNet và nnU-Net, LightMIS giảm số lượng tham số từ 90,58% đến 99,61% và giảm GFLOPs từ 82,54% đến 96,14%. Trên GPU Arm Mali-G52 MC2, tất cả các biến thể LightMIS đều đạt khả năng ủy quyền GPU hoàn toàn, với độ trễ trung vị dao động từ 53,31 ms cho LightMIS-T đến 138,31 ms cho LightMIS. Những kết quả này chứng minh sự cân bằng thuận lợi giữa độ chính xác và độ phức tạp cũng như tính khả thi khi thực thi trên thiết bị cho các tác vụ được đánh giá. Mã nguồn được công khai tại đường dẫn này.
| Chủ đề: | Thị giác máy tính và Nhận dạng mẫu (cs.CV) |
| Trích dẫn là: | arXiv:2609.28327 [cs.CV] |
| (hoặc arXiv:2609.28327v2 [cs.CV] cho phiên bản này) | |
| https://doi.org/10.48550/arXiv.2609.28327 DOI do arXiv cấp thông qua DataCite |
Lịch sử gửi bài
Từ: Andrei Arhire [xem email] v1 Thứ Tư, 23 tháng 9 năm 2026 16:05:21 UTC (8.033 KB) [v2] Thứ Năm, 24 tháng 9 năm 2026 21:26:09 UTC (8.033 KB)
Bài viết được AI dịch và tổng hợp tự động từ Hugging Face Daily Papers. Liên kết bài gốc ở phía trên. AIHOT.vn luôn dẫn nguồn đầy đủ — nếu bạn thấy điểm cần chỉnh sửa, hãy gửi ý kiến tại trang phản hồi.