Entropy-driven adaptive neural architecture search for cell segmentation on edge devices
本文提出了一种基于 U-Net 骨干网络、以熵驱动且具备硬件感知能力的神经架构搜索方法，旨在优化面向资源受限边缘设备的细胞分割模型，在确保高效部署的同时，在多种数据集上实现了具有竞争力的准确率。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
在实验室静谧的嗡鸣声中，科学家们经常通过显微镜的镜头观察细胞的移动、分裂和相互作用。这些微观事件实时发生，通过不断的移动与变化，揭示了生命是如何生长与愈合的。为了理解这些过程，研究人员必须捕捉数以千计的图像，然后仔细描绘出每一个细胞的轮廓，这项任务既枯燥又至关重要。几十年来，这项工作依赖于坐在远离显微镜的机房里的强大计算机。但一个新的前沿已经出现：将计算能力直接放置在显微镜旁边的想法，即使用小型便携式设备，使其无需庞大的数据中心即可持续观察细胞。这种转变有望让科学家在细胞行为出现异常时立即进行干预，将被动观察转变为主动发现。然而，这些小型设备在内存和电池寿命方面有着严格的限制，使得运行通常用于清晰观察细胞的复杂软件变得十分困难。
来自新南威尔士大学和格里菲斯大学的一个研究小组开发了一种解决这一问题的新方法。他们创建了一种方法，可以为每种特定类型的小型设备自动设计定制的计算机程序，确保该程序既强大到足以看清细胞，又足够轻量以在有限的电池功率下运行。他们并没有试图强行让一个单一的、重型的程序在所有设备上运行，而是为每个设备构建一个独特的、精简的架构。研究人员在五种不同类型的小型计算板上测试了这种方法，范围从树莓派（Raspio Pi）到专门的医学成像硬件。他们发现，该方法能够高精度地识别十种不同类型的细胞边界，包括使用各种照明技术（如荧光显微镜和明场显微镜）拍摄的图像。生成的程序不仅准确，而且运行速度足以实时处理图像，使用的内存和能量也比以往的方法显著减少。
这一成就的核心在于研究人员如何教计算机进行自我设计。传统上，创建一个寻找细胞的程序涉及由人类专家手动选择并排列不同的数学工具，这个过程需要数周时间并需要深厚的专业知识。这种被称为“神经架构搜索”的新方法使这一设计过程实现了自动化。它从一个寻找细胞程序的初步蓝图开始，然后探索数百万种可能的变体，以找到最佳方案。挑战一直在于，性能最好的程序往往对于小型设备来说过于庞大且缓慢。研究人员通过添加一套规则解决了这个问题，这些规则在设计阶段充当了严格的预算。系统被告知，它不能超过处理一张图像的特定时间或特定的内存量。如果某个设计尝试使用过多的资源，系统就会对其进行惩罚，迫使搜索过程寻找更简单、更高效的解决方案。
为了在不牺牲准确性的情况下实现这一目标，团队引入了一种巧妙的平衡机制。他们发现，仅仅惩罚复杂的设计往往会导致程序过于简单，从而无法看清细胞。为了解决这个问题，他们增加了一个机制，奖励程序保持其内部“思考”的多样性和丰富性。想象一下该程序就像是一个工作人员团队；如果预算削减得太厉害，团队可能会解雇所有人并导致工作无法完成。研究人员的方法确保了即使在预算紧张的情况下，剩余的员工也会被分配到能最大化其独特价值的任务，从而确保最终的图像依然清晰且细节丰富。这种方法使系统能够发现高度高效的网络，仅使用必要的组件来完成任务。
结果在从干细胞到癌细胞的各种细胞类型以及不同的成像风格上都得到了验证。定制设计的程序表现得与那些并非为这些小型设备设计的现有方法一样好，甚至更好。在最小的设备上，新程序处理图像的时间不到100毫秒，这一速度足以跟上活体细胞内部发生的快速变化。它们还使用了显著更少的内存，有些模型的存储空间仅为10兆字节，而旧的、较重的模型则需要数百兆字节。这种效率意味着科学家可以将小型设备留在孵育器中运行数天，观察细胞的分裂和移动，同时让设备即时分析数据，并在发生重要情况时提醒研究人员。
研究人员还验证了他们预测程序运行速度的方法是准确的。他们将计算机的估计值与程序在实际硬件上运行的实际时间进行了对比。估计值与实际情况非常接近，在大多数设备上，预测时间与实际时间的偏差小于11%。这种可靠性至关重要，因为这意味着科学家可以信任该系统去寻找正确的方案，而无需在实际硬件上测试每一种可能性，否则会过于缓慢且昂贵。通过证明这些轻量级、定制化的程序可以处理复杂的生物数据，这项研究为便携式、实时生物研究的新时代打开了大门。
这项工作表明，观察细胞的未来可能并不依赖于庞大的超级计算机，而是取决于能够独立思考的小型智能设备。研究人员证明，通过仔细平衡速度、内存需求与准确性之间的关系，是可以创造出既强大又实用的工具的。他们的方法不仅仅是让现有技术变得更快，它从根本上改变了这些工具的创建方式，使其能够适应即将运行的设备的特定约束。随着这些小型设备在实验室中变得越来越普遍，这种方法将允许实现一种以前无法实现的连续、实时监测水平，为科学家提供一个更清晰、更直接的观察动态细胞世界的视角。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。