ProCAN: Progressives Wachstum von kanalbewussten nicht-lokalen Netzen für die Klassifizierung von Lungenknoten

Die Klassifizierung von Lungenkrebs in Screening-Computertomografien (CT) ist eine der wichtigsten Aufgaben zur Früherkennung dieser Krankheit. Viele Leben können gerettet werden, wenn es uns gelingt, bösartige/lungeneigene Knoten genauer zu klassifizieren. Daher wurden in letzter Zeit mehrere tiefes-Lernen-basierte Modelle vorgeschlagen, um Lungenknoten als bösartig oder gutartig zu klassifizieren. Dennoch stellt die große Variation in Größe und die heterogene Erscheinungsform der Knoten diese Aufgabe extrem herausfordernd dar. Wir schlagen ein neues Progressives Wachsendes Kanal-Aufmerksamkeits-Netzwerk (ProCAN) für die Klassifizierung von Lungenknoten vor. Die vorgeschlagene Methode greift diesen Herausforderung aus drei verschiedenen Aspekten an. Erstens bereichern wir das Non-Local-Netzwerk durch Hinzufügen einer kanalweisen Aufmerksamkeitsfähigkeit. Zweitens wenden wir Prinzipien des Curriculum Learnings an, indem wir unser Modell zunächst auf einfachen Beispielen trainieren, bevor wir es mit schwierigeren konfrontieren. Drittens wird unser Modell während des Curriculum Learnings fortschreitend erweitert, um seine Fähigkeit zu erhöhen, die zunehmend anspruchsvolle Aufgabe zu bewältigen. Wir haben unsere vorgeschlagene Methode an zwei verschiedenen öffentlichen Datensätzen untersucht und ihre Leistung mit den besten Methoden aus der Literatur verglichen. Die Ergebnisse zeigen, dass das ProCAN-Modell den besten Methoden überlegen ist und einen AUC-Wert von 98,05 % sowie eine Genauigkeit von 95,28 % im LIDC-IDRI-Datensatz erreicht. Darüber hinaus haben wir umfangreiche Abstraktionsstudien durchgeführt, um den Beitrag und die Auswirkungen jeder neuen Komponente unserer vorgeschlagenen Methode zu analysieren.请注意，"Progressive Growing Channel Attentive Non-Local (ProCAN)" 是一个专有名词，因此在德语中也保留了英文缩写。此外，“Curriculum Learning” 在德语中通常直接使用英语术语，因为它是一个特定的机器学习概念。其他术语如 "AUC"（Area Under the Curve）和 "LIDC-IDRI"（Lung Image Database Consortium - Image Database Resource Initiative）也是直接引用的。