SCPM-Net：一种基于球体表示与中心点匹配的免锚框三维肺结节检测网络
计算机视觉与模式识别
2022-01-07 v2
摘要
从三维计算机断层扫描中检测肺结节在高效的肺癌筛查中起着至关重要的作用。尽管近期基于锚框的检测器使用 CNN 在此任务上取得了 SOTA 性能，但它们需要预先确定锚框参数（如锚框的尺寸、数量和长宽比），并且在处理尺寸高度多样的肺结节时鲁棒性有限。为克服这些问题，我们提出了一种基于三维球体表示的中心点匹配检测网络，该网络免锚框，并在无需手动设计结节/锚框参数的情况下自动预测结节的位置、半径和偏移量。SCPM-Net 由两个新颖组件构成：球体表示与中心点匹配。首先，为契合临床实践中的结节标注，我们用提出的边界球体替代常用的边界框，以三维空间中的质心、半径和局部偏移表示结节。引入了兼容的基于球体的交并比损失函数以稳定高效地训练肺结节检测网络。其次，我们通过设计正中心点选择与匹配流程赋予网络免锚框能力，该流程自然摒弃了预先确定的锚框。在线难例挖掘与重聚焦损失随后使 CPM 流程更鲁棒，从而实现更准确的点分配并缓解类别不平衡。此外，为更好地捕获检测的空间信息与三维上下文，我们提出将多级空间坐标图与特征提取器融合，并将其与三维挤压激励注意力模块结合。在 LUNA16 数据集上的实验结果表明，我们提出的框架相比现有的基于锚框与免锚框肺结节检测方法均取得了更优性能。
引用
@article{arxiv.2104.05215,
title = {SCPM-Net: An Anchor-free 3D Lung Nodule Detection Network using Sphere Representation and Center Points Matching},
author = {Xiangde Luo and Tao Song and Guotai Wang and Jieneng Chen and Yinan Chen and Kang Li and Dimitris N. Metaxas and Shaoting Zhang},
journal= {arXiv preprint arXiv:2104.05215},
year = {2022}
}
备注
accept to Medical Image Analysis