DeepLung : Réseaux 3D profonds à double voie pour la détection et la classification automatisées des nodules pulmonaires

Dans cette étude, nous présentons un système de diagnostic du cancer du poumon par tomographie computée (TC) entièrement automatisé, appelé DeepLung. DeepLung se compose de deux composants : la détection des nodules (identification des emplacements des nodules candidats) et la classification (classification des nodules candidats en bénins ou malins). En tenant compte de la nature tridimensionnelle des données TC pulmonaires et de la compacité des réseaux à double voie (DPN), deux réseaux profonds 3D DPN ont été conçus respectivement pour la détection et la classification des nodules. Plus précisément, un 3D Faster Regions with Convolutional Neural Network (R-CNN) a été conçu pour la détection des nodules, utilisant des blocs à double voie 3D et une structure encodeur-décodeur similaire à celle d'un U-net pour apprendre efficacement les caractéristiques des nodules. Pour la classification des nodules, une machine de boosting de gradient (GBM) avec des caractéristiques de réseau 3D DPN est proposée. Le sous-réseau de classification des nodules a été validé sur un ensemble de données public provenant de LIDC-IDRI, où il a obtenu de meilleures performances que les approches les plus avancées actuellement disponibles et surpassé celles des médecins expérimentés basées sur la modalité d'image. Dans le système DeepLung, les nodules candidats sont détectés en premier lieu par le sous-réseau de détection des nodules, puis le diagnostic est effectué par le sous-réseau de classification. De nombreux résultats expérimentaux montrent que DeepLung offre une performance comparable à celle des médecins expérimentés tant au niveau nodule qu'au niveau patient sur l'ensemble de données LIDC-IDRI.\footnote{https://github.com/uci-cbcl/DeepLung.git}