基于注意力的 CNN-LSTM 网络用于胸部 CT 肺动脉造影的肺栓塞预测
图像与视频处理
2021-07-14 v1 计算机视觉与模式识别
摘要
美国每年有超过 60,000 例死亡，肺栓塞（PE）是最致命的心血管疾病之一。它由肺部动脉阻塞引起；确认其存在耗时且易过度诊断。自动化 PE 检测系统的使用对诊断准确与效率至关重要。在本研究中，我们提出一个两阶段基于注意力的 CNN-LSTM 网络，用于在计算机断层扫描（CT）检查上预测 PE、其相关类型（慢性、急性）及对应位置（左侧、右侧或中央）。我们在最大的可用公共 CT 肺动脉造影 PE 数据集（RSNA-STR Pulmonary Embolism CT (RSPECT) Dataset，N=7279 项 CT 研究）上训练模型，并在内部整理的 N=106 项研究的数据集上测试。我们的框架通过多切片方法反映放射诊断流程，从而可细致评估真实肺栓塞的准确度和病理后遗症，使医生能更好地评估 PE 存在时的发病率。我们提出的方法优于基线 CNN 分类器和单阶段 CNN-LSTM 网络，在测试集上检测研究中 PE 存在的 AUC 达到 0.95。
引用
@article{arxiv.2107.06276,
title = {Attention based CNN-LSTM Network for Pulmonary Embolism Prediction on Chest Computed Tomography Pulmonary Angiograms},
author = {Sudhir Suman and Gagandeep Singh and Nicole Sakla and Rishabh Gattu and Jeremy Green and Tej Phatak and Dimitris Samaras and Prateek Prasanna},
journal= {arXiv preprint arXiv:2107.06276},
year = {2021}
}
备注
This work will be presented at MICCAI 2021