Practical X-ray Gastric Cancer Screening Using Refined Stochastic Data Augmentation and Hard Boundary Box Training

要約

内視鏡検査は胃がんの診断に広く普及しており、高い診断性能を持っていますが、医師の診断が必要なため、診断できる人は限られています。
一方、胃X線検査は技師が行うことができ、内視鏡検査よりもはるかに多くの患者を検査できますが、正確な診断には経験が必要です。
より多くの人が胃がん検診を受けられるよう、これまでにない実用的な胃X線画像による胃がん診断支援システムを提案します。
このシステムは、一般的な深層学習ベースの物体検出モデルに基づいており、洗練された確率的胃画像拡張 (R-sGAIA) とハード境界ボックス学習 (HBBT) という 2 つの新しい技術提案が含まれています。
R-sGAIA は、がん検出モデルにより多くの学習パターンを提供する確率的胃ひだ領域強調法です。
HBBT は、物体検出モデルの効率的なトレーニング方法であり、従来の検出モデルではトレーニングに使用できなかった、注釈のないネガティブ (つまり、健全なコントロール) サンプルの使用を可能にし、それによってモデルのパフォーマンスを向上させます。
胃がんに対する提案システムの感度（SE）（90.2％）は専門家（85.5％）よりも高く、検出された5つの候補ボックスのうち2つががんであるため、高い処理速度を維持しながら高い精度を実現しています。
0.51秒/画像。
提案されたシステムは、同じ物体検出モデルと最先端のデータ拡張を使用する方法と比較して、F1 スコアが 5.9 ポイント高いことが示されました。
つまり、このシステムは放射線科医にどこを見るべきかを迅速かつ効率的に示し、放射線科医の作業負荷を大幅に軽減します。

要約(オリジナル)

Endoscopy is widely used to diagnose gastric cancer and has a high diagnostic performance, but because it must be performed by a physician, the number of people who can be diagnosed is limited. Gastric X-ray, on the other hand, can be performed by technicians and can screen a much larger number of patients than endoscopy, but its correct diagnosis requires experience. We propose an unprecedented and practical gastric cancer diagnosis support system for gastric X-ray images, which will enable more people to be screened. The system is based on a general deep learning-based object detection model and includes two novel technical proposals: refined probabilistic stomach image augmentation (R-sGAIA) and hard boundary box learning (HBBT). R-sGAIA is a probabilistic gastric fold region enhancement method that provides more learning patterns for cancer detection models. HBBT is an efficient training method for object detection models that allows the use of unannotated negative (i.e., healthy control) samples that cannot be used for training in conventional detection models, thereby improving model performance. The sensitivity (SE) of the proposed system for gastric cancer (90.2%) is higher than that of the expert (85.5%), and two out of five candidates detected box are cancerous, achieving a high precision while maintaining a high processing speed of 0.51 seconds/image. The proposed system showed 5.9 points higher on the F1 score compared to methods using the same object detection model and state-of-the-art data augmentation. In short, the system quickly and efficiently shows the radiologist where to look, greatly reducing the radiologist’s workload.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google