基于深度学习的肺癌筛查肺结节自动管理
计算机视觉与模式识别
2017-05-24 v2
摘要
肺癌筛查项目的引入将在不久的将来产生前所未有的大量胸部CT扫描，放射科医生必须阅读这些扫描以决定患者随访策略。根据当前指南，筛查发现结节的后续检查强烈依赖于结节大小和结节类型。本文提出一种基于多流多尺度卷积网络的深度学习系统，自动分类与结节后续检查相关的所有结节类型。该系统处理包含结节的原始CT数据，无需任何额外信息（如结节分割或结节大小），并通过分析给定结节的任意数量2D视图来学习3D数据的表示。该深度学习系统使用来自意大利MILD筛查试验的数据训练，并在来自丹麦DLCST筛查试验的独立数据集上验证。我们分析了利用多流卷积网络架构在多尺度处理结节的优势，并表明所提出的深度学习系统在分类结节类型上的性能超越了经典机器学习方法，且处于四名经验丰富的人类观察者间的观察者间变异范围内。
引用
@article{arxiv.1610.09157,
title = {Towards automatic pulmonary nodule management in lung cancer screening with deep learning},
author = {Francesco Ciompi and Kaman Chung and Sarah J. van Riel and Arnaud Arindra Adiyoso Setio and Paul K. Gerke and Colin Jacobs and Ernst Th. Scholten and Cornelia Schaefer-Prokop and Mathilde M. W. Wille and Alfonso Marchiano and Ugo Pastorino and Mathias Prokop and Bram van Ginneken},
journal= {arXiv preprint arXiv:1610.09157},
year = {2017}
}
备注
Published on Scientific Reports