基于标签自动校准的变温自蒸馏脑肿瘤MRI图像分类方法

脑肿瘤是神经系统中最常见的疾病之一，磁共振成像（Magnetic resonance imaging，MRI）检查是常见的脑肿瘤筛查方法。深度学习模型在MRI图像识别上虽已具备较高性能，但在计算资源受限场景下运行效果不理想，且其性能在剪枝轻量化后易出现下降，为此本研究聚焦于提高轻量化模型的脑肿瘤MRI图像分类性能，针对上述挑战提出一种基于标签自动校准的变温自蒸馏脑肿瘤MRI图像分类方法。研究从轻量化模型性能提升的核心需求出发，使用基于标签自动校准的损失函数，避免自蒸馏过程中自教师模型传授错误知识，同时引入一种温度重启的变温蒸馏机制，当验证准确率在最近多轮训练中未提升时，根据当前训练情况重启温度，防止轻量化网络学习难度过大。在多个脑肿瘤数据集上的实验分析结果表明，所提出的自蒸馏方法可有效提高轻量化模型的脑肿瘤识别性能，且性能优于其他典型的自蒸馏方法，具有无需改变模型结构、易于实现的优点。