[논문 리뷰] Group-Attention Single-Shot Detector (GA-SSD): Finding Pulmonary Nodules in Large-Scale CT Images

Jiechao Ma, Xiang Li외 5명|arXiv (Cornell University)|2018. 12. 18.

Lung Cancer Diagnosis and Treatment참고 문헌 33인용 수 11

한 줄 요약

이 논문은 군집 컨벌루션과 주의 메커니즘을 통합한 3D 싱글샷 검출기인 GA-SSD를 제안하여 대규모 CT 스캔에서 폐 결절 검출 성능을 향상시킨다. 슬라이스 간 공간 주의와 그룹화된 특징 학습을 활용함으로써, CPM 0.733과 낮은 0.89의 가짜 양성 비율을 기록하며 특히 어려운 소형 및 기저막 결절에서 뛰어난 성능을 발휘한다.

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.

연구 동기 및 목표

• 소형 및 저밀도 폐 결절, 특히 기저막 결절을 소음과 잡음이 많은 CT 스캔에서 검출하는 데 도전하는 문제를 해결하기 위해.
• 임상 스크리닝에서 필수적인 높은 민감도를 유지하면서도 가짜 양성 비율을 낮추기 위해.
• 스프레드 시퀀스 간의 맥락을 효과적으로 포착하고 주의 메커니즘을 통해 관련 특징을 강조하는 일괄 처리 방식의 효율적인 검출기 개발을 위해.
• 다양한 종류의 결절을 포함한 4,146개의 CT 스캔으로 구성된 가장 큰 공개 가능하고 완전히 애너테이션된 폐 결절 검출 데이터셋을 구축하고 공개하기 위해.
• 기존의 2D 및 3D CNN 기반 검출기들을 능가하며, 순수 및 혼합 기저막 결절과 같이 검출이 어려운 병변 유형에서 특히 뛰어난 성능을 내기 위해.

제안 방법

• 입력된 CT 슬라이스의 중요도를 가중치로 설정하기 위해 주의 모듈의 입력 부분에 군집 컨벌루션 모듈을 통합하여 인접한 슬라이스 간의 맥락 학습을 향상시킨다.
• 2D 이미지 슬라이스에서 관련 특징을 동적으로 강조하기 위해 공간 주의 메커니즘을 적용하여 잠재적 결절에 대한 집중도를 향상시킨다.
• 3D 싱글샷 검출(SSF) 프레임워크 내부에 ResNeXt 백본을 사용하여 3D 볼륨에서 엔드 투 엔드 실시간 추론을 가능하게 한다.
• 다양한 크기의 결절 검출을 향상시키기 위해 다중 척도 특징을 집계하기 위해 피처 피라미드 네트워크(FPN)를 활용한다.
• 소형 및 기저막 결절과 같은 임상적으로 중요한 병변에 중점을 두고, 8종의 결절 유형을 포함한 총 4,146개의 애너테이션된 CT 스캔으로 구성된 대규모 데이터셋을 사용해 모델을 훈련시킨다.
• 결절 영역와 비결절 영역 간의 클래스 불균형 문제를 해결하기 위해 하드 네거티브 마이닝 전략을 사용해 손실 함수를 최적화한다.

실험 결과

연구 질문

• RQ1 군집 컨벌루션과 주의 메커니즘을 통합한 3D 싱글샷 검출기가 기존의 SSD 및 3DCNN 모델보다 폐 결절 검출에서 뛰어난 성능을 내는가?
• RQ2 CT 슬라이스 간의 공간 주의 통합이 소형 및 저밀도 결절, 특히 기저막 결절의 검출 민감도를 향상시키는가?
• RQ3 제안된 방법은 특히 어려운 병변 유형에서 높은 재현율을 유지하면서도 낮은 가짜 양성 비율을 유지를 할 수 있는가?
• RQ4 제안된 모델의 성능 향상은 계산된, 흉막성 및 부분 고형 결절을 포함한 다양한 결절 유형 전반에서 일관되게 유지되는가?
• RQ5 외부 데이터셋인 LIDC-IDRI에서의 성능은 어떠한가? 기존 최신 기술 수준의 방법과 비교해 유의미하게 뛰어나게 성능을 내는가?

주요 결과

• GA-SSD는 대규모 데이터셋에서 CPM 점수 0.733을 기록하여 기준 모델인 SSD512(0.555)와 3DCNN(0.700)을 크게 앞서나갔다.
• 모든 비교 방법 중에서 가장 낮은 가짜 양성 비율 0.89를 기록하여 결절 정위의 정밀도가 뛰어나다는 것을 시사한다.
• 순수 기저막 결절(p.ggn)의 경우 94.2%의 검출률을 기록하여 다음으로 우수한 방법보다 10퍼센트 이상 높았다.
• 혼합 기저막 결절(m.ggn)의 경우 검출률이 97.1%에 도달하여 임상적으로 중요한데도 검출이 어려운 병변에서 강력한 성능을 보였다.
• LIDC-IDRI 데이터셋에서 GA-SSD는 CPM 0.863을 기록하여 왕 등(2018a)의 최신 기술 수준 방법(0.878)과 매우 유사한 성능을 달성했다.
• 모델는 전체 CT 스캔을 약 30초 내로 처리할 수 있어 향후 최적화를 통해 실시간 임상 적용 가능성을 보였다.