Anatomically aware dual-hop learning for pulmonary embolism detection in CT pulmonary angiograms

要約

肺塞栓症 (PE) は、心血管死の主な原因です。
コンピュータ断層撮影肺血管造影法 (CTPA) による医用画像診断は、PE 診断のゴールド スタンダードを表していますが、依然として誤診や診断の大幅な遅れの影響を受けやすく、重大な症例では致命的となる可能性があります。
最近、幅広い医療画像処理タスクのパフォーマンスを大幅に向上させるディープラーニングの力が実証されましたが、肺塞栓症の自動検出に関する研究はまだほとんど公開されていません。
ここでは、CTPA で肺塞栓症を検出するために、コンピューター ビジョンとディープ ニューラル ネットワークを効率的に組み合わせたディープ ラーニング ベースのアプローチを紹介します。
私たちの方法は、3 つの直交軸に沿った新しい改善を備えています。1) 解剖学的構造の自動検出。
2) 解剖学的な事前トレーニング、および 3) PE 検出用のデュアルホップ ディープ ニューラル ネットワーク。
公開されている多施設の大規模な RSNA データセットで最先端の結果を取得します。

要約(オリジナル)

Pulmonary Embolisms (PE) represent a leading cause of cardiovascular death. While medical imaging, through computed tomographic pulmonary angiography (CTPA), represents the gold standard for PE diagnosis, it is still susceptible to misdiagnosis or significant diagnosis delays, which may be fatal for critical cases. Despite the recently demonstrated power of deep learning to bring a significant boost in performance in a wide range of medical imaging tasks, there are still very few published researches on automatic pulmonary embolism detection. Herein we introduce a deep learning based approach, which efficiently combines computer vision and deep neural networks for pulmonary embolism detection in CTPA. Our method features novel improvements along three orthogonal axes: 1) automatic detection of anatomical structures; 2) anatomical aware pretraining, and 3) a dual-hop deep neural net for PE detection. We obtain state-of-the-art results on the publicly available multicenter large-scale RSNA dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google