面向EBUS-TBNA肺癌病灶分析的增强方法——基于半监督视频目标检测
图像与视频处理
2024-06-24 v4 计算机视觉与模式识别
摘要
本研究旨在建立一个面向肺部病灶的计算机辅助诊断系统，利用内镜超声（EBUS）辅助针抽吸（EBUS-TBNA）程序帮助医生确定病灶区域。在EBUS-TBNA程序期间，医生依赖灰度超声图像来确定病灶位置。然而，这些图像常常包含显著噪声，可能受到周围组织或血管的影响，导致识别困难。以往的研究缺乏对EBUS-TBNA数据集应用目标检测模型，且尚无明确的解决方案来应对EBUS-TBNA数据集中标注数据不足的问题。在相关的超声图像研究中，虽然模型在各自任务中成功捕获目标区域，但其训练和预测基于二维图像，限制了其利用时序特征以获得更佳预测的能力。本研究引入了一个基于三维视频的目标检测模型。它首先生成一组改进的查询，然后通过注意力机制捕获时序相关性。一个过滤机制从前序帧中选择相关信息传递给当前帧。随后，采用教师-学生模型训练方法以进一步利用未标记数据优化模型。通过融合各种数据增强和特征对齐，该模型对干扰具有较强的鲁棒性。测试结果表明，该模型在捕获时空信息并采用半监督学习方法方面取得优异性能，在测试数据集上实现平均精确率（AP）为48.7，显著优于其他模型。平均召回率（AR）为79.2，远超现有模型。
引用
@article{arxiv.2404.01929,
title = {Towards Enhanced Analysis of Lung Cancer Lesions in EBUS-TBNA -- A Semi-Supervised Video Object Detection Method},
author = {Jyun-An Lin and Yun-Chien Cheng and Ching-Kai Lin},
journal= {arXiv preprint arXiv:2404.01929},
year = {2024}
}