解析与回溯：像放射科医生一样精准预测肺结节恶性程度
图像与视频处理
2023-07-21 v1 计算机视觉与模式识别
摘要
肺癌是全球主要的死亡原因之一，早期筛查对改善生存结局至关重要。在临床实践中，结节的上下文结构以及放射科医生积累的经验是与良恶性结节识别准确性相关的两个核心要素。上下文信息提供有关结节位置、形状和周围血管等的全面信息，而有经验的放射科医生可从既往病例中寻找线索作为参考，丰富决策依据。本文提出一种受放射科医生启发的方法，模拟放射科医生的诊断过程，由上下文解析与原型回溯两个模块组成。上下文解析模块首先分割结节的上下文结构，随后聚合上下文信息以更全面地理解结节。原型回溯模块利用基于原型的学习将已学病例浓缩为原型用于对比分析，并在训练中以动量方式在线更新。基于这两个模块，我们的方法同时利用结节的固有特征与从其他结节积累的外部知识，实现可靠的诊断。为满足低剂量与非增强筛查的需求，我们分别从低剂量和非增强 CT 中收集了 12,852 和 4,029 个结节的大规模数据集，每个结节均具有病理或随访确认的标签。在多个数据集上的实验表明，我们的方法在低剂量和非增强场景下均取得了先进的筛查性能。
引用
@article{arxiv.2307.10824,
title = {Parse and Recall: Towards Accurate Lung Nodule Malignancy Prediction like Radiologists},
author = {Jianpeng Zhang and Xianghua Ye and Jianfeng Zhang and Yuxing Tang and Minfeng Xu and Jianfei Guo and Xin Chen and Zaiyi Liu and Jingren Zhou and Le Lu and Ling Zhang},
journal= {arXiv preprint arXiv:2307.10824},
year = {2023}
}
备注
MICCAI 2023