基于孪生编码器的时空混合器用于 CT 扫描中肺结节生长趋势预测
图像与视频处理
2022-06-08 v1 计算机视觉与模式识别
摘要
在肺结节管理中，我们希望根据计算机断层扫描（CT）上结节直径变化预测其演变，并依据所预测的生长趋势给出随访建议。为提升肺结节生长趋势预测性能，比较同一结节在连续 CT 扫描中的变化至关重要。受此启发，我们从国家肺部筛查试验（NLST）数据集中筛选出 4666 名具有两次以上连续 CT 扫描的受试者，构建了一个称为 NLSTt 的时序数据集。具体而言，我们首先基于配准 CT 扫描检测并配对覆盖同一结节的兴趣区域（ROIs）。之后，我们通过模型预测结节的纹理类别与直径大小。最后，我们根据直径变化标注每个结节的演变类别。基于所构建的 NLSTt 数据集，我们提出一种孪生编码器，同时利用从连续 CT 扫描检测出的三维 ROI 的判别特征。接着我们新颖地设计了一种时空混合器（STM），以利用同一结节在序列三维 ROI 中的区间变化，并捕获结节区域与当前三维 ROI 的空间依赖关系。依据临床诊断流程，我们采用分层损失以更关注生长中的结节。在我们所组织数据集上的大量实验证明了所提方法的优势。我们还在内部数据集上通过与熟练临床医生对比，评估了方法的临床效用。
引用
@article{arxiv.2206.03049,
title = {Siamese Encoder-based Spatial-Temporal Mixer for Growth Trend Prediction of Lung Nodules on CT Scans},
author = {Jiansheng Fang and Jingwen Wang and Anwei Li and Yuguang Yan and Yonghe Hou and Chao Song and Hongbo Liu and Jiang Liu},
journal= {arXiv preprint arXiv:2206.03049},
year = {2022}
}
备注
MICCAI 2022