组注意力单发检测器（GA-SSD）：在大规模CT图像中查找肺结节
计算机视觉与模式识别
2019-05-27 v2
摘要
肺结节（PNs）的早期诊断可提高患者生存率，然而由于计算机断层扫描（CT）图像中的图像噪声与伪影，对放射科医生而言仍是一项挑战性任务。本文提出一种新颖有效的异常检测器，在3D单发检测器（SSD）上实现注意力机制与组卷积，称为组注意力SSD（GA-SSD）。我们发现组卷积能有效提取连续切片间的丰富上下文信息，且注意力网络可自动学习目标特征。我们收集了一个大规模数据集，包含4146例CT扫描，标注了不同类型和大小的PNs（甚至小于3mm的PNs也被标注）。据我们所知，该数据集是用于PNs检测的最大队列且标注相对完整。实验结果表明，所提出的组注意力SSD优于经典SSD框架以及最先进的3DCNN，尤其在一些具有挑战性的病灶类型上。
引用
@article{arxiv.1812.07166,
title = {Group-Attention Single-Shot Detector (GA-SSD): Finding Pulmonary Nodules in Large-Scale CT Images},
author = {Jiechao Ma and Xiang Li and Hongwei Li and Bjoern H Menze and Sen Liang and Rongguo Zhang and Wei-Shi Zheng},
journal= {arXiv preprint arXiv:1812.07166},
year = {2019}
}