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。
コンピューター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ですが、依然として誤診や大幅な診断の遅れが発生しやすく、重篤な症例では致命的になる可能性があります。
幅広い医用画像処理タスクのパフォーマンスを大幅に向上させる深層学習の力が最近証明されたにもかかわらず、肺塞栓症の自動検出に関する発表された研究はまだほとんどありません。
ここでは、CTPA における肺塞栓症検出の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る、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特徴としています。1) 解剖学的構造の自動検出。
2) 解剖学的に意識した事前トレーニング、3) PE 検出のためのデュアルホップディープニューラルネット。
私たちは、公的に利用可能な多施設大規模 RSNA データセットに関する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