要約
異なる種類の畳み込みニューラルネットワーク（CNN）が、コンピュータ断層撮影（CT）画像から肺がん結節を検出するために使用されてきました。しかし、結節のサイズは非常に多様で、3ミリメートルから30ミリメートルまで変動します。結節サイズの大きな変動は、それらを分類する際の困難さと挑戦を増大させています。本研究では、悪性または良性の結節を分類するために新しいCNNアーキテクチャであるゲーテッド・ディレーション（GD）ネットワークを提案します。従来の研究とは異なり、GDネットワークは最大プーリングではなく複数のディレーション畳み込みを使用してスケール変動を捉えます。さらに、GDネットワークには入力特徴量を分析し、適切なディレーション畳み込みに特徴量をガイドするコンテキスト・アウェアサブネットワークが含まれています。我々はLIDC-IDRIデータセットから1,000件以上のCT画像に対して提案したネットワークを評価しました。提案したネットワークはMulti-Crop、Resnet、Densenetなどの最先端ベースラインモデルを超える性能を示し、AUCが0.95以上となっています。ベースラインモデルと比較して、GDネットワークは中間サイズの結節の分類精度を向上させています。また、我々はコンテキスト・アウェアサブネットワークによって生成される注意信号と結節サイズとの関係性を観察しており、これは新しいネットワークアーキテクチャの有効性を確認しています。