DeepLung: شبكات العصبي ثلاثية الأبعاد ذات المسار المزدوج للكشف التلقائي وتقييم العقد الرئوية

في هذا العمل، نقدم نظامًا متكاملًا للتشخيص الآلي لسرطان الرئة باستخدام التصوير المقطعي المحوسب (CT)، وهو النظام الذي يُعرف بـ DeepLung. يتكون DeepLung من مكونين رئيسيين: كشف العقد (تحديد مواقع العقد المرشحة) والتصنيف (تصنيف العقد المرشحة إلى حميدة أو خبيثة). نظرًا لطبيعة البيانات ثلاثية الأبعاد في التصوير المقطعي للرئة ومتانة شبكات المسار المزدوج (DPN)، تم تصميم شبكتين عميقتين ثلاثيتين الأبعاد من نوع DPN لكل من كشف العقد وتصنيفها على التوالي. تحديدًا، تم تصميم 3D Faster Regions with Convolutional Neural Net (R-CNN) لكشف العقد باستخدام كتل المسار المزدوج الثلاثية الأبعاد وبنية مشفر-محلّل تشبه U-net لتعلم خصائص العقد بكفاءة. بالنسبة لتصنيف العقد، تم اقتراح آلة تعزيز التدرج (GBM) مع خصائص شبكة المسار المزدوج الثلاثية الأبعاد. تم التحقق من فعالية الشبكة الفرعية لتصنيف العقد على مجموعة بيانات عامة من LIDC-IDRI، حيث حققت أداءً أفضل من الأساليب الأكثر تقدمًا وأفضل من أداء الأطباء ذوي الخبرة بناءً على الطرق الصورية. ضمن نظام DeepLung، يتم الكشف عن العقد المرشحة أولًا بواسطة الشبكة الفرعية لكشف العقد، ثم يتم تشخيص العقد بواسطة الشبكة الفرعية للتصنيف. تظهر النتائج التجريبية الواسعة أن نظام DeepLung يحقق أداءً مكافئًا لأداء الأطباء ذوي الخبرة في التشخيص على مستوى العقد وعلى مستوى المريض في مجموعة بيانات LIDC-IDRI.\footnote{https://github.com/uci-cbcl/DeepLung.git}