用于端到端病灶检测的三维上下文增强区域卷积神经网络

从计算机断层扫描（CT）图像中检测病灶是一个重要但困难的问题，因为非病灶和真实病灶在外观上可能非常相似。已知三维（3D）上下文有助于解决这一区分任务。然而，现有的卷积神经网络（CNN）端到端检测框架大多设计用于二维（2D）图像。在本文中，我们提出了一种三维上下文增强的区域基于卷积神经网络（3DCE），通过聚合二维图像的特征图来高效地融入三维上下文信息。3DCE 训练简便，并且在训练和推理过程中均实现了端到端的处理。利用 DeepLesion 数据集，我们开发了一个通用的病灶检测器，能够在单一算法中检测各种类型的病灶。实验结果证明了 3DCE 在这一具有挑战性的任务中的有效性。我们已在 https://github.com/rsummers11/CADLab/tree/master/lesion_detector_3DCE 上发布了 3DCE 的代码。