PiaNet：用于三维肺部 CT 扫描中 GGO 检测的金字塔输入增强卷积神经网络
计算机视觉与模式识别
2020-10-13 v2
摘要
本文提出一种具有多尺度处理的新型卷积神经网络，用于检测三维计算机断层扫描 (CT) 图像中的磨玻璃影 (GGO) 结节，简称 PiaNet。PiaNet 由特征提取模块和预测模块组成。前者通过在收缩-扩张结构中引入金字塔多尺度源连接构建。后者包括边界框回归器和分类器，用于同时识别多尺度 GGO 结节并估计边界框。为训练所提 PiaNet，开发了两阶段迁移学习策略。第一阶段，将特征提取模块嵌入仅由少量标注 CT 扫描经数据增强生成的 GGO 与非 GGO 块组成的大数据集上训练的分类网络。第二阶段，将预训练特征提取模块载入 PiaNet，然后使用标注 CT 扫描微调 PiaNet。我们在 LIDC-IDRI 数据集上评估所提 PiaNet。实验结果表明，我们的方法优于包括 Subsolid CAD、Aidence 系统及 S4ND、GA-SSD 方法在内的 SOTA 同类方法。PiaNet 在每次扫描仅一个假阳性的情况下达到 91.75% 的灵敏度。
引用
@article{arxiv.2009.05267,
title = {PiaNet: A pyramid input augmented convolutional neural network for GGO detection in 3D lung CT scans},
author = {Weihua Liu and Xiabi Liua and Xiongbiao Luo and Murong Wang and Guanghui Han and Xinming Zhao and Zheng Zhu},
journal= {arXiv preprint arXiv:2009.05267},
year = {2020}
}