ULDor：基于伪掩码与难负样本挖掘的 CT 扫描通用病灶检测器
计算机视觉与模式识别
2019-01-25 v1
摘要
从计算机断层扫描（CT）中自动检测病灶是医学图像分析中的一项重要任务。由于病灶与其他组织具有相似的外观（例如强度和纹理），这仍然极具挑战性，使得开发通用病灶检测器尤为困难。这项工作没有开发特定类型的病灶检测器，而是构建了一个基于 Mask R-CNN 的通用病灶检测器（ULDor），它能够检测全身各部位所有不同类型的病灶。作为 SOTA 目标检测器，Mask R-CNN 增加了一个分支来预测每个感兴趣区域（RoI）的分割掩码，以提高检测性能。然而，用像素级病灶掩码手动标注大规模数据集来训练 Mask R-CNN 进行病灶检测几乎是不可能的。为了解决这个问题，这项工作为每个病灶区域构建了一个伪掩码，可以将其视为真实掩码的替代，基于此利用 Mask R-CNN 进行病灶检测。另一方面，这项工作提出了一种难负样本挖掘策略，以减少假阳性，从而提高检测性能。在 NIH DeepLesion 数据集上的实验结果表明，ULDor 使用伪掩码和所提出的难负样本挖掘策略得到了增强，并在每张图像五个假阳性的情况下实现了 86.21% 的灵敏度。
引用
@article{arxiv.1901.06359,
title = {ULDor: A Universal Lesion Detector for CT Scans with Pseudo Masks and Hard Negative Example Mining},
author = {Youbao Tang and Ke Yan and Yuxing Tang and Jiamin Liu and Jing Xiao and Ronald M. Summers},
journal= {arXiv preprint arXiv:1901.06359},
year = {2019}
}