MEDS-Net：基于双向最大密度投影自蒸馏多编码器网络的肺结节检测
图像与视频处理
2022-12-27 v2 计算机视觉与模式识别
摘要
在本研究中，我们提出了一种充分结合放射科医生临床工作流的肺结节检测方案。特别地，我们利用不同厚度（即3、5和10mm）的双向最大密度投影（MIP）图像以及由10张相邻切片组成的CT扫描三维块，输入到基于自蒸馏的多编码器网络（MEDS-Net）中。所提架构首先通过由稠密单元组成的稠密块将三维块输入压缩为三个通道，从而有效从二维轴位切片中检查结节存在情况。该压缩信息连同前向和后向MIP图像被送入三个不同的编码器以学习最有意义的表示，并在不同层级前向传入解码块。在解码块中，我们通过连接包含五个肺结节检测器的蒸馏块来采用自蒸馏机制。这有助于加快收敛并提升所提架构的学习能力。最后，所提方案通过用辅助检测器补充主检测器来减少假阳性。所提方案已在LUNA16数据集的888次扫描上严格评估，获得了93.6%的CPM分数。结果表明，结合双向MIP图像使MEDS-Net能够有效区分结节与周围结构，从而在每次扫描假阳性率为0.25和0.5时分别达到91.5%和92.8%的灵敏度。
引用
@article{arxiv.2211.00003,
title = {MEDS-Net: Self-Distilled Multi-Encoders Network with Bi-Direction Maximum Intensity projections for Lung Nodule Detection},
author = {Muhammad Usman and Azka Rehman and Abdullah Shahid and Siddique Latif and Shi Sub Byon and Byoung Dai Lee and Sung Hyun Kim and Byung il Lee and Yeong Gil Shin},
journal= {arXiv preprint arXiv:2211.00003},
year = {2022}
}