Improved Focus on Hard Samples for Lung Nodule Detection

要約

最近、深層学習に基づく肺結節検出手法が医用画像処理分野で優れた性能を発揮しています。
公開されている肺のデータセットがほとんどなく、自然画像よりも CT 画像で肺結節を検出するのが難しいことを考慮すると、既存の方法は肺結節、特に CT 画像で硬い結節を検出する際に多くのボトルネックに直面しています。
これらの課題を解決するために、今後もネットワークの強化を図ってまいります。
この研究では、変形可能な畳み込みと自己ペース学習を導入することで、肺結節を処理するためにハード サンプルとデータセットにさらに注意を払う、改良された検出ネットワークを紹介します。
LUNA16 データセットの実験は、私たちが提案したコンポーネントの有効性を実証し、私たちの方法が競争力のあるパフォーマンスに達していることを示しています。

要約(オリジナル)

Recently, lung nodule detection methods based on deep learning have shown excellent performance in the medical image processing field. Considering that only a few public lung datasets are available and lung nodules are more difficult to detect in CT images than in natural images, the existing methods face many bottlenecks when detecting lung nodules, especially hard ones in CT images. In order to solve these problems, we plan to enhance the focus of our network. In this work, we present an improved detection network that pays more attention to hard samples and datasets to deal with lung nodules by introducing deformable convolution and self-paced learning. Experiments on the LUNA16 dataset demonstrate the effectiveness of our proposed components and show that our method has reached competitive performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google