MVP-Net：用于深度通用病灶检测的多视角 FPN 与位置感知注意力
计算机视觉与模式识别
2019-12-17 v3
摘要
计算机断层扫描（CT）图像上的通用病灶检测（ULD）是一个重要但欠开发的问题。近来，基于深度学习的方法被提出用于 ULD，旨在从标注的 CT 数据中学习代表性特征。然而，深度学习模型对数据的渴求与医学标注的稀缺阻碍了这些方法的进一步进展。本文提出将临床实践中的领域知识纳入通用病灶检测器的模型设计中。具体而言，由于放射科医生倾向于检查多个窗宽窗位以进行准确诊断，我们显式建模该过程并提出多视角特征金字塔网络（FPN），其中多视角特征从以不同窗宽和窗位渲染的图像中提取；为有效融合该多视角信息，我们进一步提出位置感知注意力模块。借助所提模型设计，随着通过学习任务因正确引入的临床实践先验而变得更容易，数据渴求问题得到缓解。我们在所提模型上展示了有前景的结果，在 NIH DeepLesion 数据集上相较先前最优方法取得了 的绝对增益（在 [email protected] 的灵敏度上）。
引用
@article{arxiv.1909.04247,
title = {MVP-Net: Multi-view FPN with Position-aware Attention for Deep Universal Lesion Detection},
author = {Zihao Li and Shu Zhang and Junge Zhang and Kaiqi Huang and Yizhou Wang and Yizhou Yu},
journal= {arXiv preprint arXiv:1909.04247},
year = {2019}
}
备注
Accepted by MICCAI 2019 (Medical Image Computing and Computer Assisted Intervention)