使用位置去偏查询选择和对比查询表示的 Transformer 在 CT 扫描中有效检测淋巴结
计算机视觉与模式识别
2025-04-24 v2
摘要
淋巴结(LN)评估是放射学和肿瘤学常规临床工作流程中一项关键、不可或缺但非常具有挑战性的任务。准确的 LN 分析对于癌症诊断、分期和治疗计划至关重要。在 3D CT 中寻找分散分布、低对比度的临床相关 LN 即使对于经验丰富的医生来说也很困难，且观察者间差异大。先前的自动 LN 检测工作通常由于相邻解剖结构具有相似的图像强度、形状或纹理（血管、肌肉、食道等）而导致召回率有限且假阳性高。在这项工作中，我们提出了一种新的 LN 检测 Transformer，名为 LN-DETR，以实现更准确的性能。通过使用多尺度 2.5D 特征融合增强 2D 主干以显式融入 3D 上下文，更重要的是，我们做出了两个主要贡献来改善 LN 查询的表示质量。1) 考虑到 LN 边界通常不清晰，提出了 IoU 预测头和位置去偏查询选择，以选择定位精度更高的 LN 查询作为解码器查询的初始化。2) 为了减少假阳性，采用查询对比学习来显式强化 LN 查询与其最佳匹配的真实查询，而非未匹配的查询预测。通过结合来自不同身体部位（颈部、胸部和腹部）和病理/癌症的七个 LN 数据集，在 1067 名患者（10000+ 标记 LN）的 3D CT 扫描上进行训练和测试，我们的方法在内部和外部测试中，在相同假阳性率下，平均召回率显著优于先前领先方法 > 4-5%。我们进一步使用 NIH DeepLesion 基准在通用病变检测任务上评估，我们的方法在每张图像 0.5 到 4 个假阳性下实现了 88.46% 的平均召回率，优于其他领先报告结果。
引用
@article{arxiv.2404.03819,
title = {Effective Lymph Nodes Detection in CT Scans Using Location Debiased Query Selection and Contrastive Query Representation in Transformer},
author = {Yirui Wang and Qinji Yu and Ke Yan and Haoshen Li and Dazhou Guo and Li Zhang and Le Lu and Na Shen and Qifeng Wang and Xiaowei Ding and Xianghua Ye and Dakai Jin},
journal= {arXiv preprint arXiv:2404.03819},
year = {2025}
}
备注
Accepted by ECCV24