Parse and Recall: Towards Accurate Lung Nodule Malignancy Prediction like Radiologists

要約

肺がんは世界中で主な死因となっており、生存転帰を改善するには早期のスクリーニングが重要です。
臨床現場では、結節の状況に応じた構造と放射線科医の蓄積された経験が、良性結節と悪性結節の識別の精度に関連する 2 つの中心的な要素です。
コンテキスト情報は、結節の位置、形状、末梢血管などの結節に関する包括的な情報を提供し、経験豊富な放射線科医は、意思決定の基礎を充実させるための参考として、過去の症例から手がかりを検索できます。
この論文では、放射線科医にヒントを得て、放射線科医の診断プロセスをシミュレートする方法を提案します。この方法は、コンテキスト解析モジュールとプロトタイプ想起モジュールで構成されます。
コンテキスト解析モジュールは、最初に結節のコンテキスト構造をセグメント化し、次に結節をより包括的に理解するためにコンテキスト情報を集約します。
プロトタイプ想起モジュールは、プロトタイプベースの学習を利用して、以前に学習したケースを比較分析用のプロトタイプとして凝縮し、トレーニング中に勢いよくオンラインで更新されます。
2 つのモジュールに基づいて構築された私たちの方法は、結節の固有の特性と他の結節から蓄積された外部知識の両方を活用して、適切な診断を実現します。
低線量スクリーニングと非造影剤スクリーニングの両方のニーズを満たすために、低線量CTと非造影CTからそれぞれ12,852個と4,029個の結節からなる大規模なデータセットを収集し、それぞれに病理学的または追跡調査で確認されたラベルが付けられています。
いくつかのデータセットでの実験により、私たちの方法が低線量シナリオと非造影シナリオの両方で高度なスクリーニング性能を達成できることが実証されました。

要約(オリジナル)

Lung cancer is a leading cause of death worldwide and early screening is critical for improving survival outcomes. In clinical practice, the contextual structure of nodules and the accumulated experience of radiologists are the two core elements related to the accuracy of identification of benign and malignant nodules. Contextual information provides comprehensive information about nodules such as location, shape, and peripheral vessels, and experienced radiologists can search for clues from previous cases as a reference to enrich the basis of decision-making. In this paper, we propose a radiologist-inspired method to simulate the diagnostic process of radiologists, which is composed of context parsing and prototype recalling modules. The context parsing module first segments the context structure of nodules and then aggregates contextual information for a more comprehensive understanding of the nodule. The prototype recalling module utilizes prototype-based learning to condense previously learned cases as prototypes for comparative analysis, which is updated online in a momentum way during training. Building on the two modules, our method leverages both the intrinsic characteristics of the nodules and the external knowledge accumulated from other nodules to achieve a sound diagnosis. To meet the needs of both low-dose and noncontrast screening, we collect a large-scale dataset of 12,852 and 4,029 nodules from low-dose and noncontrast CTs respectively, each with pathology- or follow-up-confirmed labels. Experiments on several datasets demonstrate that our method achieves advanced screening performance on both low-dose and noncontrast scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google