检测与注意力：通过模仿医师从 CT 诊断肺部肺癌
计算机视觉与模式识别
2017-12-15 v1
摘要
本文提出一种新颖且高效的方法，基于计算机断层扫描(CT)构建用于肺结节检测的计算机辅助诊断(CAD)系统。该任务通过模仿放射科医师阅读 CT 扫描的方式，被视作视频目标检测(VID)问题。训练了一个肺结节检测器，以从静态图像中自动学习结节特征，从而以高召回率与高准确率检测肺结节候选。与以往利用结节周围三维信息以减少假阳性的工作不同，我们提出两种简单而高效的方法——多切片传播(MSP)与静止引导抑制(MLGS)，其通过分析 CT 扫描的序列信息来减少假阴性并抑制假阳性。我们在包含 888 例 CT 扫描的开源 LUNA16 数据集上评估了我们的方法，取得了当前最优结果（自由响应受试者工作特征得分为 0.892），且检测速度（在单块 NVidia GTX 1080 上每位患者端到端 20 秒内）远高于现有方法。
引用
@article{arxiv.1712.05114,
title = {Detection and Attention: Diagnosing Pulmonary Lung Cancer from CT by Imitating Physicians},
author = {Ning Li and Haopeng Liu and Bin Qiu and Wei Guo and Shijun Zhao and Kungang Li and Jie He},
journal= {arXiv preprint arXiv:1712.05114},
year = {2017}
}
备注
8 pages, 8 figures, 5 tables