[论文解读] Accurate Pulmonary Nodule Detection in Computed Tomography Images Using Deep Convolutional Neural Networks

Jia Ding, Aoxue Li+2 more|arXiv (Cornell University)|Jun 14, 2017

Lung Cancer Diagnosis and Treatment参考文献 4被引用 50

一句话总结

本论文提出一个两阶段的 CAD 系统，使用一个去卷积的 Faster R-CNN 在轴向切片上进行结节候选检测，随后用一个 3D DCNN 进行假阳性抑制，在 LUNA16 上取得顶级结果。

ABSTRACT

Early detection of pulmonary cancer is the most promising way to enhance a patient's chance for survival. Accurate pulmonary nodule detection in computed tomography (CT) images is a crucial step in diagnosing pulmonary cancer. In this paper, inspired by the successful use of deep convolutional neural networks (DCNNs) in natural image recognition, we propose a novel pulmonary nodule detection approach based on DCNNs. We first introduce a deconvolutional structure to Faster Region-based Convolutional Neural Network (Faster R-CNN) for candidate detection on axial slices. Then, a three-dimensional DCNN is presented for the subsequent false positive reduction. Experimental results of the LUng Nodule Analysis 2016 (LUNA16) Challenge demonstrate the superior detection performance of the proposed approach on nodule detection(average FROC-score of 0.891, ranking the 1st place over all submitted results).

研究动机与目标

• 通过结合二维候选检测与三维假阳性抑制来改善 CT 的肺结节检测。
• 捕捉三维上下文信息以提高结节与假阳性之间的判别。
• 在 LUNA16 数据集上展示最先进的性能。
• 显示去卷积如何提升对小结节的特征表示。
• 提供一个适用于临床使用阈值（1–4 FP/扫描）的实用 CAD 框架。

提出的方法

• 通过在轴向 CT 切片上扩展带有去卷积层的 Faster R-CNN，以更好地检测小结节。
• 使用六个尺寸为 4x4 至 32x32 的锚框来匹配结节尺度。
• 用多项损失联合训练 RPN 和 ROI 分类器，覆盖分类和边界框回归。
• 使用 ROI 池化和一个 2x4096 的全连接分类器/回归器对 ROI 进行细化。
• 在候选中心周围裁剪 40x40x24 的补丁，并执行基于 3D DCNN 的假阳性抑制。
• 数据增强包括在三个轴向上裁剪、翻转以及为训练 3D DCNN 进行重复样本平衡。

实验结果

研究问题

• RQ1 去卷积扩展的 Faster R-CNN 是否能改善轴向 CT 切片上的候选结节检测？
• RQ2 通过 3D DCNN 融合三维上下文是否能在假阳性抑制方面优于仅使用二维的方法？
• RQ3 在 LUNA16 数据集上对检测灵敏度和每扫描假阳性数量的整体影响是什么？
• RQ4 锚框配置如何影响不同大小结节的候选检测性能？

主要发现

• 在 LUNA16 NDET 上实现平均 FROC 分数 0.891，排名为提交结果中的第一。
• 候选检测灵敏度为 0.946，平均每扫描 15.0 个候选。
• 使用 3D DCNN 进行假阳性抑制比二维方法（NIN 基线）在 FP 抑制方面更优。
• 与不使用去卷积及使用更少锚框的基线相比，采用带去卷积的二维候选检测提升了性能。
• 系统在 1 FP/扫描 和 4 FP/扫描 时的灵敏度分别达到 92.2% 与 94.4%。