[论文解读] Pi-PE: A Pipeline for Pulmonary Embolism Detection using Sparsely Annotated 3D CT Images

Deepta Rajan, David Beymer+2 more|arXiv (Cornell University)|Oct 4, 2019

Venous Thromboembolism Diagnosis and Management被引用 10

一句话总结

本论文提出了一种基于两阶段2D卷积神经网络（CNN）的肺栓塞（PE）检测流程，用于3D CT扫描，仅使用稀疏标注（每10 mm一次），避免了昂贵的密集标注。该方法结合了上下文增强的U-Net用于生成分割掩膜，以及采用多实例学习（MIL）的2D卷积LSTM进行分类，仅使用317万个参数即在高严重程度PE上实现了SOTA AUC 0.85。

ABSTRACT

Pulmonary embolisms (PE) are known to be one of the leading causes for cardiac-related mortality. Due to inherent variabilities in how PE manifests and the cumbersome nature of manual diagnosis, there is growing interest in leveraging AI tools for detecting PE. In this paper, we build a two-stage detection pipeline that is accurate, computationally efficient, robust to variations in PE types and kernels used for CT reconstruction, and most importantly, does not require dense annotations. Given the challenges in acquiring expert annotations in large-scale datasets, our approach produces state-of-the-art results with very sparse emboli contours (at 10mm slice spacing), while using models with significantly lower number of parameters. We achieve AUC scores of 0.94 on the validation set and 0.85 on the test set of highly severe PEs. Using a large, real-world dataset characterized by complex PE types and patients from multiple hospitals, we present an elaborate empirical study and provide guidelines for designing highly generalizable pipelines.

研究动机与目标

• 开发一种准确、高效且鲁棒的PE检测流程，无需密集标注，因为临床环境中密集标注成本高且耗时。
• 解决因肺血管中不规则、不对称表现而难以识别的细微、亚段型PE检测挑战。
• 设计一种可泛化的流程，在多医院真实世界数据集中不同成像协议和重建核函数下均表现良好。
• 在保持高性能的同时，降低模型复杂度和参数量，与需要大量预训练的大型3D CNN形成对比。
• 为构建针对罕见或难以检测的病理（如PE）的高效、可扩展且鲁棒的医学图像分析流程提供实证指导。

提出的方法

• 采用两阶段流程：第一阶段使用上下文增强的U-Net，基于稀疏标注生成分割掩膜，提升定位精度。
• 将输入的CT体积与预测的掩膜相乘，生成掩膜体积，再输入第二阶段进行分类。
• 第二阶段使用2D卷积LSTM模型处理2D切片序列，将每个3D体积建模为实例的集合。
• 通过在切片间聚合特征，应用多实例学习（MIL），使模型能够基于任意正样本的存在检测PE。
• 使用焦点损失进行训练，以处理类别不平衡问题，提升对罕见正样本的性能。
• U-Net中的上下文增强通过整合邻近切片的空间和上下文信息，增强特征学习。

实验结果

研究问题

• RQ1 两阶段2D CNN流程是否能在无需密集标注的情况下实现SOTA的PE检测性能？
• RQ2 所提出方法在不同CT重建核函数和具有不同成像协议的多医院数据集上是否具有良好的泛化能力？
• RQ3 模型架构、参数量和训练损失对检测性能与鲁棒性有何影响？
• RQ4 性能在不同类型的PE中表现如何，特别是更难检测的亚段型和节段型PE？
• RQ5 在低数据环境下，上下文增强和MIL在多大程度上提升了检测性能？

主要发现

• 该流程在验证集上对高严重程度PE的AUC达到0.94，在测试集上达到0.85，表现出SOTA性能。
• 对于低严重程度PE（如亚段型和节段型），AUC为0.70，表明尽管表现细微，仍具备可检测性。
• 模型对CT重建核函数的变化具有鲁棒性，在所有核函数类型下AUC均保持在0.78，包括非标准核函数。
• 模型仅使用317万个参数，显著少于先前SOTA模型PENet的2840万个参数，同时在多样化的真实世界数据上表现更优。
• 在MIL设置中，将实例数量（T）从25增加到100，性能持续提升，表明更长序列建模具有优势。
• 与二元交叉熵损失相比，使用焦点损失能提升在类别不平衡数据集上的性能，尤其对罕见PE病例效果更明显。