基于深度局部-全局网络的肺结节分类

目的：肺结节具有非常多样化的形状和大小，这使得将其分类为良性或恶性成为一个具有挑战性的问题。本文提出了一种新颖的方法，该方法能够通过全局特征提取器分析结节的形状和大小，同时利用局部特征提取器分析结节的密度和结构，从而预测结节的恶性程度。方法：我们建议使用带有3x3卷积核的残差块（Residual Blocks）进行局部特征提取，并使用非局部块（Non-Local Blocks）提取全局特征。非局部块能够在不使用大量参数的情况下提取全局特征。非局部块的核心思想是在同一特征图上的特征之间应用矩阵乘法。结果：我们在LIDC-IDRI数据集上训练并验证了所提出的方法，该数据集包含1,018个计算机断层扫描（CT）图像。实验设置遵循严格的程序，即10折交叉验证，并忽略了少于3位放射科医生标注的结节。所提出的方法取得了AUC=95.62%的最先进结果，显著优于其他基线方法。结论：我们提出的深度局部-全局网络具备准确提取局部和全局特征的能力。我们的新方法在迁移学习方面超越了包括Densenet和Resnet在内的最先进架构。