一种基于 CT 图像的胰腺癌肿瘤高效检测新框架
计算机视觉与模式识别
2020-02-12 v1
摘要
由于深度卷积神经网络（DCNNs）在医学图像分析中展现出鲁棒的性能与结果，近年来开发了许多基于深度学习的肿瘤检测方法。如今，使用对比增强计算机断层扫描（CT）的胰腺肿瘤自动检测被广泛用于胰腺癌的诊断与分期。传统的手工设计方法仅能提取低级特征。然而，普通卷积神经网络未能充分利用有效的上下文信息，导致检测效果欠佳。本文设计了一种新颖且高效的胰腺肿瘤检测框架，旨在充分挖掘多尺度下的上下文信息。更具体地，所提方法的贡献主要由三部分组成：增强特征金字塔网络、自适应特征融合以及一个依赖计算（DC）模块。首先建立了自底向上的路径增强以充分提取并传播低级精确定位信息。然后，自适应特征融合能够基于所提区域编码多尺度下更丰富的上下文信息。最后，专门设计的 DC 模块用于捕获候选框与周围组织之间的交互信息。实验结果在检测中取得了具有竞争力的性能，AUC 达到 0.9455，据我们所知优于其他最先进的方法，表明所提框架能够高效且准确地检测胰腺癌肿瘤。
引用
@article{arxiv.2002.04493,
title = {A Novel and Efficient Tumor Detection Framework for Pancreatic Cancer via CT Images},
author = {Zhengdong Zhang and Shuai Li and Ziyang Wang and Yun Lu},
journal= {arXiv preprint arXiv:2002.04493},
year = {2020}
}
备注
5 pages, 5 figures