随访CT扫描中基于深度卷积网络的肺结节检测、生长量化与恶性预测
图像与视频处理
2021-03-29 v1 计算机视觉与模式识别
机器学习
摘要
我们致力于辅助放射科医生进行肺癌的纵向管理。为此，我们提出了一个深度学习流水线，由四个阶段组成，从结节检测到通过检测结节生长进而分类癌症实现完全自动化。此外，该流水线集成了一项用于结节生长检测的新方法，其依赖于近期改进的分层概率 U-Net 以报告不确定性估计。同时，引入了第二种新方法用于肺癌结节分类，将来自预训练结节恶性网络估计的结节恶性概率整合进双流 3D-CNN 网络。该流水线在纵向队列中评估，报告了与最先进（state of the art）相当的性能。
引用
@article{arxiv.2103.14537,
title = {Detection, growth quantification and malignancy prediction of pulmonary nodules using deep convolutional networks in follow-up CT scans},
author = {Xavier Rafael-Palou and Anton Aubanell and Mario Ceresa and Vicent Ribas and Gemma Piella and Miguel A. González Ballester},
journal= {arXiv preprint arXiv:2103.14537},
year = {2021}
}