用于端到端病灶检测的3D上下文增强基于区域的卷积神经网络
计算机视觉与模式识别
2018-07-31 v2
摘要
从计算机断层扫描（CT）中检测病灶是一个重要但困难的问题，因为非病灶与真实病灶可能外观相似。已知3D上下文有助于这一区分任务。然而，现有的卷积神经网络（CNNs）端到端检测框架大多为2D图像设计。本文中，我们提出3D上下文增强基于区域的CNN（3DCE），通过聚合2D图像的特征图来高效融入3D上下文信息。3DCE易于训练，且在训练与推理中均为端到端。我们利用DeepLesion数据集开发了一种通用病灶检测器，以单一算法检测各类病灶。在该具挑战性任务上的实验结果证明了3DCE的有效性。我们已在 https://github.com/rsummers11/CADLab/tree/master/lesion_detector_3DCE 发布了3DCE的代码。
引用
@article{arxiv.1806.09648,
title = {3D Context Enhanced Region-based Convolutional Neural Network for End-to-End Lesion Detection},
author = {Ke Yan and Mohammadhadi Bagheri and Ronald M. Summers},
journal= {arXiv preprint arXiv:1806.09648},
year = {2018}
}
备注
MICCAI 2018