基于有监督预训练重访CT切片中通用病灶检测的3D上下文建模
计算机视觉与模式识别
2020-12-17 v1
摘要
计算机断层扫描(CT)切片的通用病灶检测对于综合疾病筛查十分重要。由于每个病灶可位于多个相邻切片中，3D上下文建模对于开发自动化病灶检测算法具有重要意义。在本工作中，我们提出了一种改进伪3D特征金字塔网络(MP3D FPN)，其利用深度可分离卷积滤波器与组变换模块(GTM)高效提取3D上下文增强的2D特征，用于CT切片中的通用病灶检测。为促进更快收敛，仅使用自然图像域中的大规模2D目标检测数据集推导了一种新颖的3D网络预训练方法。我们证明，采用该新颖预训练方法，所提出的MP3D FPN在DeepLesion数据集上达到了最先进的检测性能([email protected]灵敏度的绝对提升3.48%)，显著超越采用2D卷积进行3D上下文建模的基线方法达6.06%([email protected])。此外，所提出的3D预训练权重有潜力用于提升其他3D医学图像分析任务的性能。
引用
@article{arxiv.2012.08770,
title = {Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices},
author = {Shu Zhang and Jincheng Xu and Yu-Chun Chen and Jiechao Ma and Zihao Li and Yizhou Wang and Yizhou Yu},
journal= {arXiv preprint arXiv:2012.08770},
year = {2020}
}
备注
10 pages, 2 figures, MICCAI20