深入探讨肝脏局灶性病变检测：一项初步研究
计算机视觉与模式识别
2019-07-25 v1
摘要
肝细胞癌（HCC）是第二大恶性肿瘤相关死因，也是世界上发病率最高的疾病之一。由于肝脏是人体内唯一由两条主要血管（即肝动脉和门静脉）供血的器官，各种类型的恶性肿瘤可以从其他器官扩散至肝脏。此外，由于肝脏肿块具有异质性和弥散性形状，肿瘤病灶非常难以识别，因此对于工作量巨大的医生而言，自动病变检测是必要的。为了辅助医生，本工作利用现有的大规模标注医学图像数据，从多个方向深入探讨肝脏病变检测。为了解决诸如图像识别任务的技术难题，近年来传统基于卷积神经网络（CNNs）的深度学习已被广泛应用。然而，这类神经网络（如具有 CNN 特征的 Faster Regions with CNN features（R-CNN））无法利用空间信息，因为其应用于自然图像（2D）而非医学图像（3D），例如计算机断层扫描（CT）图像。为了解决这一问题，我们提出了一种适用于肝脏 CT 成像的新颖算法。此外，根据放射科医生的临床诊断经验以及肝癌 CT 图像的特征，我们提出了一种基于 CNN 的肝癌检测框架，包括图像处理、特征提取、候选区域生成、图像配准和分类识别，以促进肝脏病变的有效检测。
引用
@article{arxiv.1907.10346,
title = {Delving Deep into Liver Focal Lesion Detection: A Preliminary Study},
author = {Jiechao Ma and Yingqian Chen and Yu Chen and Fengkai Wan and Sumin Xue and Ziping Li and Shiting Feng},
journal= {arXiv preprint arXiv:1907.10346},
year = {2019}
}