LSSANet: A Long Short Slice-Aware Network for Pulmonary Nodule Detection

要約

畳み込みニューラルネットワーク（CNN）は、肺結節検出の分野で非常に有効であることが実証されている。しかし、既存のCNNを用いた肺結節検出法は、グローバルな情報抽出に不可欠な長距離依存性を捉える能力に欠けています。コンピュータビジョンのタスクでは、非局所演算が広く利用されているが、3次元コンピュータ断層撮影（CT）画像では、計算コストが非常に高くなる可能性がある。この問題を解決するために、我々は肺結節の検出のためのlong short slice-aware network (LSSANet)を提案する。特に、LSSG（long short slice grouping）と呼ばれる新しい非局所的なメカニズムを開発し、コンパクトな非局所埋め込みを短距離スライスグループ化したものと長距離スライスグループ化した対応するものに分割する。これにより、計算負荷が軽減されるだけでなく、スライス間や特徴マップ全体における任意の要素間の長距離依存関係を保持することができる。提案するLSSGは使い勝手が良く、多くの肺結節検出ネットワークにプラグインすることが可能である。LSSANetの性能を検証するために、最近提案された2D/3D CNNに基づくいくつかの競合検出アプローチと比較する。大規模なPN9データセットでの有望な評価結果は、我々の手法の有効性を実証している。コードは https://github.com/Ruixxxx/LSSANet にあります。

要約(オリジナル)

Convolutional neural networks (CNNs) have been demonstrated to be highly effective in the field of pulmonary nodule detection. However, existing CNN based pulmonary nodule detection methods lack the ability to capture long-range dependencies, which is vital for global information extraction. In computer vision tasks, non-local operations have been widely utilized, but the computational cost could be very high for 3D computed tomography (CT) images. To address this issue, we propose a long short slice-aware network (LSSANet) for the detection of pulmonary nodules. In particular, we develop a new non-local mechanism termed long short slice grouping (LSSG), which splits the compact non-local embeddings into a short-distance slice grouped one and a long-distance slice grouped counterpart. This not only reduces the computational burden, but also keeps long-range dependencies among any elements across slices and in the whole feature map. The proposed LSSG is easy-to-use and can be plugged into many pulmonary nodule detection networks. To verify the performance of LSSANet, we compare with several recently proposed and competitive detection approaches based on 2D/3D CNN. Promising evaluation results on the large-scale PN9 dataset demonstrate the effectiveness of our method. Code is at https://github.com/Ruixxxx/LSSANet.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL