Mining Negative Temporal Contexts For False Positive Suppression In Real-Time Ultrasound Lesion Detection

要約

超音波スキャンプロセス中に、リアルタイムの病変検出により、放射線科医による正確ながん診断が支援されます。
しかし、この重要な課題は依然として困難であり、十分に研究されていません。
汎用のリアルタイム物体検出モデルは、超音波ビデオに適用すると、明らかな偽陽性 (FP) を誤って報告する可能性があり、若手放射線科医に誤解を招く可能性があります。
重要な問題の 1 つは、ネガティブな時間的コンテキスト (NTC) として示される、前のフレームのネガティブな症状を利用できていないことです。
この問題に対処するために、逆オプティカル フローのガイダンスを使用して、NTC を含む以前のフレームからコンテキストを抽出することを提案します。
抽出されたコンテキストを集約することで、NTC を活用して FP を抑制する機能をモデルに与えます。
結果のモデルを UltraDet と呼びます。
提案された UltraDet は、以前の最先端技術に比べて大幅な改善が見られ、リアルタイムの推論速度を実現します。
CVA-BUS データセットのコード、チェックポイント、高品質ラベルを https://github.com/HaojunYu1998/UltraDet でリリースします。

要約(オリジナル)

During ultrasonic scanning processes, real-time lesion detection can assist radiologists in accurate cancer diagnosis. However, this essential task remains challenging and underexplored. General-purpose real-time object detection models can mistakenly report obvious false positives (FPs) when applied to ultrasound videos, potentially misleading junior radiologists. One key issue is their failure to utilize negative symptoms in previous frames, denoted as negative temporal contexts (NTC). To address this issue, we propose to extract contexts from previous frames, including NTC, with the guidance of inverse optical flow. By aggregating extracted contexts, we endow the model with the ability to suppress FPs by leveraging NTC. We call the resulting model UltraDet. The proposed UltraDet demonstrates significant improvement over previous state-of-the-arts and achieves real-time inference speed. We release the code, checkpoints, and high-quality labels of the CVA-BUS dataset in https://github.com/HaojunYu1998/UltraDet.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google