使用 3D 深度 Leaky Noisy-or 网络评估肺结节恶性度
计算机视觉与模式识别
2019-02-04 v1
摘要
从计算机断层扫描（CT）中自动诊断肺癌包含两步：检测所有可疑病灶（肺结节）与评估全肺/肺部恶性度。目前关于第一步的研究很多，关于第二步的则很少。由于结节的存在并不必然指示癌症，且结节形态与癌症间存在复杂关系，肺癌诊断需要对每个可疑结节仔细核查并整合所有结节的信息。我们提出一种 3D 深度神经网络来解决此问题。该模型由两个模块组成。第一个是用于结节检测的 3D 区域提议网络，其为受试者输出所有可疑结节。第二个基于检测置信度选取前五个结节，评估其癌症概率并用 leaky noisy-or 门结合它们以获得受试者的肺癌概率。两个模块共享同一骨干网络，即改进的 U-net。由训练数据缺乏引起的过拟合通过交替训练两个模块得以缓解。所提模型在 Data Science Bowl 2017 竞赛中获得第一名。代码已公开可用。
引用
@article{arxiv.1711.08324,
title = {Evaluate the Malignancy of Pulmonary Nodules Using the 3D Deep Leaky Noisy-or Network},
author = {Fangzhou Liao and Ming Liang and Zhe Li and Xiaolin Hu and Sen Song},
journal= {arXiv preprint arXiv:1711.08324},
year = {2019}
}
备注
12 pages, 9 figures