重新审视带有监督预训练的3D上下文建模在CT切片中普遍病灶检测的应用

从计算机断层扫描（CT）切片中进行通用病灶检测对于全面疾病筛查具有重要意义。由于每个病灶可能位于多个相邻切片上，因此三维上下文建模对于开发自动病灶检测算法至关重要。在本研究中，我们提出了一种改进的伪三维特征金字塔网络（Modified Pseudo-3D Feature Pyramid Network, MP3D FPN），该网络利用深度可分离卷积滤波器和组变换模块（Group Transform Module, GTM）高效提取增强三维上下文的二维特征，用于CT切片中的通用病灶检测。为了加速收敛，我们推导出一种新的三维网络预训练方法，该方法仅使用大规模二维物体检测数据集（自然图像领域）。实验结果表明，通过这种新颖的预训练方法，所提出的MP3D FPN在DeepLesion数据集上的检测性能达到了最先进水平（[email protected]敏感度绝对提高了3.48%），显著超越了基线方法（[email protected]提高了6.06%），后者采用二维卷积进行三维上下文建模。此外，所提出的三维预训练权重有望用于提升其他三维医学图像分析任务的性能。