Nodule detection and generation on chest X-rays: NODE21 Challenge

要約

肺結節は、男女ともにがん関連死の主な原因である肺がんの初期症状である可能性がある。胸部X線写真における肺結節の検出において、ディープラーニング手法が高い性能を発揮できることは、数多くの研究で立証されている。しかし、ゴールドスタンダードの公開データセットがないため、研究の進展が遅れ、このタスクの手法のベンチマークができない。これに対処するため、我々は胸部X線における肺結節の検出と生成を目的とした公開研究課題NODE21を組織した。検出トラックでは、最先端の結節検出システムを評価し、生成トラックでは、学習データを補強し、検出システムの性能を向上させるための結節生成アルゴリズムの有用性を判定する。本論文では、NODE21チャレンジの結果を要約し、合成的に生成された結節トレーニング画像が検出アルゴリズムの性能に与える影響を調べるために、広範な追加実験を行った。

要約(オリジナル)

Pulmonary nodules may be an early manifestation of lung cancer, the leading cause of cancer-related deaths among both men and women. Numerous studies have established that deep learning methods can yield high-performance levels in the detection of lung nodules in chest X-rays. However, the lack of gold-standard public datasets slows down the progression of the research and prevents benchmarking of methods for this task. To address this, we organized a public research challenge, NODE21, aimed at the detection and generation of lung nodules in chest X-rays. While the detection track assesses state-of-the-art nodule detection systems, the generation track determines the utility of nodule generation algorithms to augment training data and hence improve the performance of the detection systems. This paper summarizes the results of the NODE21 challenge and performs extensive additional experiments to examine the impact of the synthetically generated nodule training images on the detection algorithm performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL