[論文レビュー] Automated detection of lung nodules in low-dose computed tomography

D Cascio, SC Cheran+12 more|ArXiv.org|Jul 18, 2007

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

ひとこと要約

本論文では、3次元ドット強調フィルタを用いた結節検出とニューラル分類器による誤検出の低減を実現する、低線量CTスキャンにおける肺結節の自動検出（CAD）システムを提示する。本システムは、内部結節および胸膜下結節の両方で、1スキャンあたり1～9件の誤検出を許容する条件下で85％の感受性を達成した。1～6件の誤検出に厳しくした条件下でも、75％の感受性を維持した。

ABSTRACT

A computer-aided detection (CAD) system for the identification of pulmonary nodules in low-dose multi-detector computed-tomography (CT) images has been developed in the framework of the MAGIC-5 Italian project. One of the main goals of this project is to build a distributed database of lung CT scans in order to enable automated image analysis through a data and cpu GRID infrastructure. The basic modules of our lung-CAD system, consisting in a 3D dot-enhancement filter for nodule detection and a neural classifier for false-positive finding reduction, are described. The system was designed and tested for both internal and sub-pleural nodules. The database used in this study consists of 17 low-dose CT scans reconstructed with thin slice thickness (~300 slices/scan). The preliminary results are shown in terms of the FROC analysis reporting a good sensitivity (85% range) for both internal and sub-pleural nodules at an acceptable level of false positive findings (1-9 FP/scan); the sensitivity value remains very high (75% range) even at 1-6 FP/scan

研究の動機と目的

• 低線量マルチディテクタCTスキャンにおける肺結節の自動検出を目的とした堅牢なCADシステムの開発。
• 結節検出システムに一般的に見られる誤検出の問題への対処。
• GRID対応インfra構造を活用して、大規模かつ分散型の肺CTスキャン解析を支援すること。
• 薄層スライス低線量CTデータを用いて、内部結節および胸膜下結節の両方の性能を評価すること。
• 自動的でスケーラブルな肺結節検出を可能にするために、MAGIC-5イタリアプロジェクトに貢献すること。

提案手法

• 3次元ドット強調フィルタを用いて、低線量CTボリューム内の結節様構造を強調した。
• 統一された前処理および特徴抽出パイプラインを用いて、内部結節および胸膜下結節の両方を検出するようにシステムを設計した。
• 真の結節と偽陽性候補を区別するため、ニューラルネットワーク分類器を訓練した。
• 大規模CTデータセットの分散処理を支援するため、CADフレームワークをデータおよびCPUのGRIDインfraに統合した。
• 初期の候補検出後に、1結節単位で特徴抽出と分類を実施した。
• トレーニングおよび評価に、1スキャンあたり約300スライスの17件の低線量CTスキャンを用いた。

実験結果

リサーチクエスチョン

• RQ1 3次元ドット強調フィルタは、低線量CTスキャンにおける小さな肺結節を効果的に検出できるか？
• RQ2 ニューラル分類器は、肺結節検出における誤検出をどれほど効果的に低減できるか？
• RQ3 本CADシステムの内部結節および胸膜下結節における感受性と誤検出率はどの程度か？
• RQ4 臨床的に許容可能なレベルまで誤検出を低減しつつ、高い感受性を維持できるか？
• RQ5 大規模な肺CT解析を対象とした分散型GRIDコンピューティング環境において、本システムはどの程度の性能を示すか？

主な発見

• 本CADシステムは、1スキャンあたり1～9件の誤検出を許容する条件下で、内部結節および胸膜下結節の両方で85％の感受性を達成した。
• 1～6件の誤検出に厳しくした条件下でも、システムは75％の感受性を維持した。
• 3次元ドット強調フィルタは、薄層スライス低線量CTデータにおいて結節候補を効果的に同定した。
• ニューラル分類器は、高い感受性を維持したまま、誤検出を顕著に低減した。
• 本システムは、大規模な肺画像解析を実現するための分散型GRIDインfraへの統合可能性を示した。
• 結果から、低線量CT肺がんスクリーニングにおける臨床的導入の強い可能性が示された。