基于端到端卷积神经网络的CTPA图像肺栓塞自动检测
计算机视觉与模式识别
2021-11-11 v1
摘要
在CT肺血管造影(CTPA)图像上自动检测肺栓塞(PEs)的方法需求很高。现有方法通常采用独立的步骤进行PE候选检测与假阳性剔除,而未考虑另一步骤的能力。因此,大多数现有方法通常为了获得可接受的灵敏度而承受较高的假阳性率。本研究提出一种端到端可训练的卷积神经网络(CNN),其中两个步骤被联合优化。所提出的CNN由三个串联子网络组成:1)一种新颖的3D候选提议网络,用于检测包含疑似PE的立方体;2)一个3D空间变换子网络,用于为候选生成固定尺寸的沿血管对齐的图像表示;3)一个2D分类网络,以变换后立方体的三个截面作为输入并剔除假阳性。我们使用来自PE挑战赛的20例CTPA测试数据集评估了我们的方法,在每体积2个假阳性、定位误差为0mm、2mm和5mm时分别达到78.9%、80.7%和80.7%的灵敏度,优于最先进的方法。我们进一步在由129例CTPA数据(共269个栓塞)组成的自有数据集上评估了我们的系统。我们的系统在每体积2个假阳性、定位误差为0mm、2mm和5mm时分别达到63.2%、78.9%和86.8%的灵敏度。
引用
@article{arxiv.2111.05506,
title = {Automated Pulmonary Embolism Detection from CTPA Images Using an End-to-End Convolutional Neural Network},
author = {Yi Lin and Jianchao Su and Xiang Wang and Xiang Li and Jingen Liu and Kwang-Ting Cheng and Xin Yang},
journal= {arXiv preprint arXiv:2111.05506},
year = {2021}
}
备注
Accepted to MICCAI 2019