MDNAS-智能架构搜索驱动的少样本轻量诊断引擎

本项目针对医学领域深度学习模型参数量大、边缘设备部署困难及医学数据稀缺等核心问题，创新融合自知识蒸馏、神经网络架构搜索（NAS）与元学习技术，构建高精度轻量化诊断系统。通过教师模型精度保障机制和医学图像注意力机制，结合深度量化处理，在OCT2017视网膜病变数据集和肺部病灶数据集上实现少样本条件下的高准确率诊断。突破性采用NAS技术自适配最优学生模型架构，配合自知识蒸馏策略，在压缩模型规模至原模型的同时保持97.3%的教师模型性能。系统已完成跨平台部署验证，支持ONNX格式在网页端、移动端及嵌入式设备的轻量化运行，有效解决传统压缩方法导致的准确率骤降问题，为医学检验设备智能化提供可落地的解决方案，推动智慧医疗的临床实践应用。