基于像素-病灶-患者网络的CT肝肿瘤筛查与诊断
图像与视频处理
2023-10-24 v2 计算机视觉与模式识别
摘要
肝肿瘤分割与分类是计算机辅助诊断中的重要任务。我们旨在解决三个问题：非增强计算机断层扫描（CT）中的肝肿瘤筛查与初步诊断，以及动态增强 CT 中的鉴别诊断。提出一种称为像素-病灶-患者网络（PLAN）的新框架。它使用掩码 transformer 以改进的锚查询与前台增强采样损失联合分割并分类各病灶。其还具备图像级分类器以有效聚合全局信息并预测患者级诊断。我们收集了包含 939 名肿瘤患者与 810 名正常受试者的多期相大规模数据集。对八类共 4010 个肿瘤实例进行了详尽标注。在非增强肿瘤筛查任务上，PLAN 的患者级灵敏度与特异度分别达 95% 与 96%。在增强 CT 上，我们的病灶级检测精确率、召回率与分类准确率分别为 92%、89% 与 86%，优于广泛使用的 CNN 与 transformers 病灶分割方法。我们还在 250 例留存集上进行了阅片者研究。PLAN 与资深人类放射科医生相当，显示了结果的临床意义。
引用
@article{arxiv.2307.08268,
title = {Liver Tumor Screening and Diagnosis in CT with Pixel-Lesion-Patient Network},
author = {Ke Yan and Xiaoli Yin and Yingda Xia and Fakai Wang and Shu Wang and Yuan Gao and Jiawen Yao and Chunli Li and Xiaoyu Bai and Jingren Zhou and Ling Zhang and Le Lu and Yu Shi},
journal= {arXiv preprint arXiv:2307.08268},
year = {2023}
}
备注
MICCAI 2023, code: https://github.com/alibaba-damo-academy/pixel-lesion-patient-network