RECIST-Net：基于 RECIST 标注的关键点分组病灶检测
计算机视觉与模式识别
2021-07-20 v1
摘要
计算机断层扫描（CT）图像中的通用病灶检测是一项重要且具有挑战性的任务，因为病灶的类型、大小、形状和外观差异很大。考虑到临床常规数据（如 DeepLesion 数据集）通常根据实体瘤疗效评价标准（RECIST）直径以长径和短径进行标注，我们提出了 RECIST-Net，一种将 RECIST 直径的四个极值点和中心点检测出来的新病灶检测方法。通过将病灶检测为关键点，我们提供了更概念直观的检测表述，并克服了现有基于边界框方法的若干缺陷（例如需要大量精力设计适合数据的锚框以及丢失形状信息），同时与其他基于 RECIST 的方法相比探索了单任务、单阶段的方法。实验表明，RECIST-Net 在每幅图像四个假阳性的情况下达到了 92.49% 的灵敏度，优于其他近期方法，包括那些使用多任务学习的方法。
引用
@article{arxiv.2107.08715,
title = {RECIST-Net: Lesion detection via grouping keypoints on RECIST-based annotation},
author = {Cong Xie and Shilei Cao and Dong Wei and Hongyu Zhou and Kai Ma and Xianli Zhang and Buyue Qian and Liansheng Wang and Yefeng Zheng},
journal= {arXiv preprint arXiv:2107.08715},
year = {2021}
}
备注
5 pages, 3 figures, IEEE ISBI 2021