用于 CT 容积图像肺癌风险预测的 3D 神经网络
图像与视频处理
2020-07-28 v1 计算机视觉与模式识别
摘要
肺癌是美国最常见的癌症死因，2018 年估计有 16 万人因此死亡。肺癌 CT 筛查已被证明可将死亡率降低高达 40%，并已纳入美国筛查指南。由于诊断错误会造成高昂的临床和财务成本，降低肺癌筛查中的高错误率至关重要。尽管使用了放射诊断标准，但持续的阅片者间差异和对综合影像学发现的不完全表征仍是当前方法的局限性。这些局限性表明，需要更复杂的系统来提升性能和阅片者间的一致性。在本报告中，我们复现了一种用于肺癌风险预测的最先进深度学习算法。我们的模型根据肺部 CT 检查预测恶性概率和风险等级分类。这允许对接受筛查的患者进行风险分层，并建议最合适的监测和管理方案。结合我们方案的高准确性、一致性和全自动化特性，我们的方法可能实现高效的筛查流程，并加速肺癌筛查的普及。
引用
@article{arxiv.2007.12898,
title = {3D Neural Network for Lung Cancer Risk Prediction on CT Volumes},
author = {Daniel Korat},
journal= {arXiv preprint arXiv:2007.12898},
year = {2020}
}