[論文レビュー] Group-Attention Single-Shot Detector (GA-SSD): Finding Pulmonary Nodules in Large-Scale CT Images

Jiechao Ma, Xiang Li+5 more|arXiv (Cornell University)|Dec 18, 2018

Lung Cancer Diagnosis and Treatment参考文献 33被引用数 11

ひとこと要約

本論文は、グループ畳み込みとアテンション機構を組み合わせた3次元ワンショット検出器GA-SSDを提案し、大規模なCTスキャンにおける肺結節検出を向上させる。スライス間の空間アテンションとグループ特徴学習を活用することで、CPMが0.733で最先端の性能を達成し、偽陽性率も0.89と低く抑えられ、特に検出が難しい小結節およびグラウンド・グラス結節において優れた性能を発揮する。

ABSTRACT

Early diagnosis of pulmonary nodules (PNs) can improve the survival rate of patients and yet is a challenging task for radiologists due to the image noise and artifacts in computed tomography (CT) images. In this paper, we propose a novel and effective abnormality detector implementing the attention mechanism and group convolution on 3D single-shot detector (SSD) called group-attention SSD (GA-SSD). We find that group convolution is effective in extracting rich context information between continuous slices, and attention network can learn the target features automatically. We collected a large-scale dataset that contained 4146 CT scans with annotations of varying types and sizes of PNs (even PNs smaller than 3mm were annotated). To the best of our knowledge, this dataset is the largest cohort with relatively complete annotations for PNs detection. Our experimental results show that the proposed group-attention SSD outperforms the classic SSD framework as well as the state-of-the-art 3DCNN, especially on some challenging lesion types.

研究の動機と目的

• ノイズが多くアーチファクトを含むCTスキャンにおいて、特に小結節および低密度の肺結節、特にグラウンド・グラス結節を検出する課題に対処すること。
• 臨床スクリーニングにおいて不可欠な高感度を維持しつつ、肺結節検出における偽陽性率を低減すること。
• 1段階で効率的な検出器を構築し、アテンション機構を用いてスライス間のコンテキストを効果的に捉え、関連する特徴を強調すること。
• 4,146例のCTスキャンを含み、多様な結節タイプを網羅する、公開可能な最大規模の完全アノテーション済みデータセットを構築・公開すること。
• 特に純粋および混合グラウンド・グラス結節など、検出が難しい病変タイプにおいて、従来の2次元および3次元CNNベースの検出器を上回ること。

提案手法

• 入力のアテンションモジュールにグループ畳み込みモジュールを統合し、入力CTスライスの重要度を重み付けすることで、隣接スライス間のコンテキスト学習を強化する。
• 空間アテンション機構を適用して2次元画像スライス内の関連する特徴を動的に強調し、潜在的な結節への注目を向上させる。
• 3次元ワンショット検出（SSD）フレームワーク内にResNeXtバックボーンを採用することで、3次元ボリュームにおけるエンド・ツー・エンドでリアルタイムな推論を可能にする。
• 特徴ピラミッドネットワーク（FPN）を用いてマルチスケール特徴を統合し、さまざまなサイズの結節の検出を向上させる。
• 8種類の結節タイプを含む、4,146例のアノテート済みCTスキャンからなる大規模データセットを用いてモデルを訓練し、臨床的に重要な小結節およびグラウンド・グラス結節に特に注力する。
• 分類の不均衡を解消するため、ハードネガティブマイニング戦略を用いて損失関数を最適化する。

実験結果

リサーチクエスチョン

• RQ1 グループ畳み込みとアテンション機構を備えた3次元ワンショット検出器は、従来のSSDおよび3DCNNモデルに比べ、肺結節検出で優れた性能を示すか？
• RQ2 CTスライス間の空間アテンションの統合により、小結節および低密度結節（特にグラウンド・グラス結節）の検出感度が向上するか？
• RQ3 本手法は、特に検出が難しい病変タイプにおいても、高い再現率を維持しながら偽陽性率を低く抑えることができるか？
• RQ4 本モデルの性能向上は、石灰化結節、胸膜結節、およびサブソリッド結節を含む多様な結節タイプにわたり一貫しているか？
• RQ5 外部データセット（LIDC-IDRI）において、本モデルはどのように性能を発揮するか？また、最先端の手法と比較して優位性を示すか？

主な発見

• GA-SSDは大規模データセット上でCPMスコア0.733を達成し、ベースラインのSSD512（0.555）および3DCNN（0.700）を顕著に上回った。
• 本手法は、比較対象のすべての手法の中で最低の偽陽性率0.89を記録し、結節の局所化における優れた正確性を示した。
• 純粋グラウンド・グラス結節（p.ggn）では94.2％の検出率を達成し、次に優れた手法よりも10ポイント以上も上回った。
• 混合グラウンド・グラス結節（m.ggn）では97.1％の検出率に達し、臨床的に重要だが検出が難しい病変タイプにおいても強力な性能を示した。
• LIDC-IDRIデータセットではCPMが0.863を記録し、Wangら（2018a）による最先端手法（0.878）に非常に近い結果を達成した。
• フルCTスキャンの処理に約30秒を要し、さらなる最適化によりリアルタイム臨床応用への可能性を示した。