Key-frame Guided Network for Thyroid Nodule Recognition using Ultrasound Videos

要約

超音波検査は、甲状腺結節（良性/悪性）の臨床診断に広く使用されています。
ただし、精度は放射線科医の経験に大きく依存します。
甲状腺結節の認識のために深層学習技術が調査されていますが。
現在の解決策は主に静的超音波画像に基づいており、使用される時間情報は限られており、臨床診断と一致していません。
この論文は、超音波ビデオとキーフレームの徹底的な調査を通じて甲状腺結節の自動認識のための新しい方法を提案します。
最初に、各超音波ビデオの典型的な結節を持つ臨床キーフレームを自動的に識別するための検出ローカリゼーションフレームワークを提案します。
ローカライズされたキーフレームに基づいて、甲状腺結節認識のためのキーフレームガイド付きビデオ分類モデルを開発します。
さらに、超音波ビデオの重要なフレームにネットワークが焦点を合わせるのに役立つモーションアテンションモジュールを導入します。これは、臨床診断と一致しています。
提案された甲状腺結節認識フレームワークは、臨床的に収集された超音波ビデオで検証され、他の最先端の方法と比較して優れたパフォーマンスを示しています。

要約(オリジナル)

Ultrasound examination is widely used in the clinical diagnosis of thyroid nodules (benign/malignant). However, the accuracy relies heavily on radiologist experience. Although deep learning techniques have been investigated for thyroid nodules recognition. Current solutions are mainly based on static ultrasound images, with limited temporal information used and inconsistent with clinical diagnosis. This paper proposes a novel method for the automated recognition of thyroid nodules through an exhaustive exploration of ultrasound videos and key-frames. We first propose a detection-localization framework to automatically identify the clinical key-frames with typical nodules in each ultrasound video. Based on the localized key-frames, we develop a key-frame guided video classification model for thyroid nodule recognition. Besides, we introduce motion attention module to help network focus on significant frames in an ultrasound video, which is consistent with clinical diagnosis. The proposed thyroid nodule recognition framework is validated on clinically collected ultrasound videos, demonstrating superior performance compared with other state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google