CT 扫描中高效的免锚框通用病灶检测
计算机视觉与模式识别
2022-03-31 v1
摘要
现有通用病灶检测（ULD）方法采用计算密集的基于锚框的架构，依赖预定义锚框，导致检测性能不理想，尤其在小型和中等大小病灶上。此外，这些默认的固定锚框尺寸与比例在不同数据集上泛化性较差。因此，我们提出一种鲁棒的单阶段免锚框病灶检测网络，该网络利用框预测可依据其中心而非与目标的重叠度进行排序以衡量相关性这一事实，从而在各异病灶尺寸下均表现良好。进一步，我们证明通过显式提供域特定信息（以使用多个 HU 窗生成的多强度图像形式），随后基于自注意力进行特征融合并使用通过 CT 扫描自监督学习得到的权重进行骨干初始化，可改进 ULD。我们在包含约 32K 张跨多个身体器官标注病灶的 CT 扫描的 DeepLesion 数据集上取得了与最先进方法相当的结果，总体灵敏度达 86.05%。
引用
@article{arxiv.2203.16074,
title = {An Efficient Anchor-free Universal Lesion Detection in CT-scans},
author = {Manu Sheoran and Meghal Dani and Monika Sharma and Lovekesh Vig},
journal= {arXiv preprint arXiv:2203.16074},
year = {2022}
}
备注
4 Pages, 2 figures, 2 tables. Paper accepted at IEEE International Symposium on Biomedical Imaging (ISBI'22)