[논문 리뷰] Leveraging object detection for the identification of lung cancer

Karthick Prasad Gunasekaran|arXiv (Cornell University)|2023. 05. 25.

Radiomics and Machine Learning in Medical Imaging인용 수 12

한 줄 요약

본 연구는 흉부 X선에 YOLOv5 객체 탐지를 적용하여 폐암 병변을 식별하고, Kaggle 데이터셋으로 학습시켜 높은 정확도/재현율을 달성하고 실시간 탐지 가능성을 지원한다.

ABSTRACT

Lung cancer poses a significant global public health challenge, emphasizing the importance of early detection for improved patient outcomes. Recent advancements in deep learning algorithms have shown promising results in medical image analysis. This study aims to explore the application of object detection particularly YOLOv5, an advanced object identification system, in medical imaging for lung cancer identification. To train and evaluate the algorithm, a dataset comprising chest X-rays and corresponding annotations was obtained from Kaggle. The YOLOv5 model was employed to train an algorithm capable of detecting cancerous lung lesions. The training process involved optimizing hyperparameters and utilizing augmentation techniques to enhance the model's performance. The trained YOLOv5 model exhibited exceptional proficiency in identifying lung cancer lesions, displaying high accuracy and recall rates. It successfully pinpointed malignant areas in chest radiographs, as validated by a separate test set where it outperformed previous techniques. Additionally, the YOLOv5 model demonstrated computational efficiency, enabling real-time detection and making it suitable for integration into clinical procedures. This proposed approach holds promise in assisting radiologists in the early discovery and diagnosis of lung cancer, ultimately leading to prompt treatment and improved patient outcomes.

연구 동기 및 목표

• 폐암의 조기 발견을 촉진하고 의학 영상 분석을 위한 딥러닝을 탐구한다.
• 가슴 X선 이미지에서 암성 폐 병변을 식별하기 위해 객체 탐지 모델(YOLOv5)을 적용하는 것을 조사한다.
• 성능 향상을 위해 데이터 증강을 활용하여 하이퍼파라미터를 학습하고 최적화한다.
• 별도의 테스트 세트에서 모델을 평가하고 임상 통합을 위한 계산 효율성을 평가한다.

제안 방법

• 흉부 X선 이미지에서 병변 탐지에 YOLOv5를 사용한다.
• 해당 주석이 있는 Kaggle 데이터셋에서 학습한다.
• 강건성을 향상시키기 위해 하이퍼파라미터를 최적화하고 증강을 적용한다.
• 별도 테스트 세트에서 성능을 평가하고 기존 기법과 비교한다.
• 실시간 배치를 지원하기 위한 계산 효율성을 평가한다.

실험 결과

연구 질문

• RQ1 YOLOv5가 흉부 방사선 사진에서 악성 폐 병변을 정확하게 탐지할 수 있는가?
• RQ2 보류된 테스트 세트에서 모델의 정확도와 재현율은 얼마인가?
• RQ3 이 접근법이 실시간 또는 준실시간 임상 사용에 충분한 계산 효율성을 가지는가?
• RQ4 이 도메인에서 YOLOv5 기반 방법은 이전 기법과 어떻게 비교되는가?

주요 결과

• YOLOv5 모델은 폐암 병변 식별에서 높은 정확도와 재현율을 보였다.
• 흉부 방사선에서 악성 영역을 성공적으로 지적했다.
• 별도 테스트 세트에서 성능이 검증되었고 이전 기법을 능가했다.
• 모델은 실시간 탐지에 적합한 계산 효율성을 입증했다.
• 이 접근법은 영상의학과 의사가 조기 발견 및 진단을 돕는 가능성을 보여준다.