Convolutional Neural Network Model Observers Discount Signal-like Anatomical Structures During Search in Virtual Digital Breast Tomosynthesis Phantoms

要約

モデル オブザーバーは、タスクベースの医用画像品質を評価および最適化するための計算ツールです。
Channelized Hotelling Observer (CHO) などの線形モデル オブザーバーは、臨床ファントムまたは実際の解剖学的背景におけるいくつかの可能な信号位置を使用して、検出タスクにおける人間の精度を予測します。
近年、畳み込みニューラル ネットワーク (CNN) が新しいタイプのモデル オブザーバーとして提案されています。
よく理解されていないのは、CNN がより一般的な線形モデルの観測者アプローチに何を追加するのかということです。
CHO および CNN の検出精度を、2D/3D 乳房トモシンセシス ファントム (DBT) に埋め込まれた 2 種類の信号 (塊と微小石灰化) を検索する放射線科医の精度と比較します。
CHO モデルの精度が、位置が正確にわかっている検出タスクに対する CNN のパフォーマンスに匹敵することを示します。
ただし、2D/3D DBT ファントムを使用した検索タスクでは、CHO の検出精度は CNN の精度よりも大幅に低かった。
放射線科医の精度との比較では、2D 微小石灰化および 3D 塊検索条件において、CNN は放射線科医の精度と同等かそれを超えることができましたが、CHO ではありませんでした。
目の位置の分析により、放射線科医は CNN の偽陽性に対応する位置をより頻繁に、より長く注視していることがわかりました。
ほとんどの CHO 偽陽性はファントムの正常な解剖学的構造であり、放射線科医はそれを特定しませんでした。
結論として、従来の線形モデル オブザーバーでは解剖学的背景から生じる偽陽性を無視できないために失敗する検索タスクの擬人化モデル オブザーバーとして CNN を使用できることを示します。

要約(オリジナル)

Model observers are computational tools to evaluate and optimize task-based medical image quality. Linear model observers, such as the Channelized Hotelling Observer (CHO), predict human accuracy in detection tasks with a few possible signal locations in clinical phantoms or real anatomic backgrounds. In recent years, Convolutional Neural Networks (CNNs) have been proposed as a new type of model observer. What is not well understood is what CNNs add over the more common linear model observer approaches. We compare the CHO and CNN detection accuracy to the radiologist’s accuracy in searching for two types of signals (mass and microcalcification) embedded in 2D/3D breast tomosynthesis phantoms (DBT). We show that the CHO model’s accuracy is comparable to the CNN’s performance for a location-known-exactly detection task. However, for the search task with 2D/3D DBT phantoms, the CHO’s detection accuracy was significantly lower than the CNN accuracy. A comparison to the radiologist’s accuracy showed that the CNN but not the CHO could match or exceed the radiologist’s accuracy in the 2D microcalcification and 3D mass search conditions. An analysis of the eye position showed that radiologists fixated more often and longer at the locations corresponding to CNN false positives. Most CHO false positives were the phantom’s normal anatomy and were not fixated by radiologists. In conclusion, we show that CNNs can be used as an anthropomorphic model observer for the search task for which traditional linear model observers fail due to their inability to discount false positives arising from the anatomical backgrounds.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google