MEDS-Net: Self-Distilled Multi-Encoders Network with Bi-Direction Maximum Intensity projections for Lung Nodule Detection

要約

この研究では、放射線科医の診療ワークフローを完全に組み込んだ肺結節検出方式を提案します。
特に、さまざまな厚さ (つまり、3、5、および 10 mm) の双方向最大強度投影 (MIP) 画像を、10 個の隣接するスライスで構成される CT スキャンの 3D パッチと共に利用して、自己蒸留ベースのマルチ
エンコーダ ネットワーク (MEDS-Net)。
提案されたアーキテクチャは、最初に、2D アキシャル スライスから結節の存在を効果的に調べる高密度ユニットで構成される高密度ブロックを使用して、3D パッチ入力を 3 つのチャネルに圧縮します。
この圧縮された情報は、前方および後方 MIP イメージと共に 3 つの異なるエンコーダーに供給されて、最も意味のある表現を学習し、さまざまなレベルでデコードされたブロックに転送されます。
デコーダーブロックでは、5つの肺結節検出器を含む蒸留ブロックを接続することにより、自己蒸留メカニズムを採用しています。
収束を促進し、提案されたアーキテクチャの学習能力を向上させるのに役立ちます。
最後に、提案されたスキームは、メイン検出器を補助検出器で補完することにより、偽陽性を減らします。
提案されたスキームは、LUNA16 データセットの 888 スキャンで厳密に評価され、93.6\% の CPM スコアを取得しました。
結果は、双方向 MIP 画像を組み込むことで、MEDS-Net が周囲から結節を効果的に区別できることを示しています。これにより、スキャンごとにそれぞれ 0.25 および 0.5 の偽陽性率で 91.5% および 92.8% の感度を達成するのに役立ちます。

要約(オリジナル)

In this study, we propose a lung nodule detection scheme which fully incorporates the clinic workflow of radiologists. Particularly, we exploit Bi-Directional Maximum intensity projection (MIP) images of various thicknesses (i.e., 3, 5 and 10mm) along with a 3D patch of CT scan, consisting of 10 adjacent slices to feed into self-distillation-based Multi-Encoders Network (MEDS-Net). The proposed architecture first condenses 3D patch input to three channels by using a dense block which consists of dense units which effectively examine the nodule presence from 2D axial slices. This condensed information, along with the forward and backward MIP images, is fed to three different encoders to learn the most meaningful representation, which is forwarded into the decoded block at various levels. At the decoder block, we employ a self-distillation mechanism by connecting the distillation block, which contains five lung nodule detectors. It helps to expedite the convergence and improves the learning ability of the proposed architecture. Finally, the proposed scheme reduces the false positives by complementing the main detector with auxiliary detectors. The proposed scheme has been rigorously evaluated on 888 scans of LUNA16 dataset and obtained a CPM score of 93.6\%. The results demonstrate that incorporating of bi-direction MIP images enables MEDS-Net to effectively distinguish nodules from surroundings which help to achieve the sensitivity of 91.5% and 92.8% with false positives rate of 0.25 and 0.5 per scan, respectively.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google