深層局所-全体ネットワークを用いた肺結節分類

目的：肺結節の形状とサイズは非常に多様であり、これが良性/悪性の分類を困難な問題にしています。本論文では、形状とサイズを全体的な特徴抽出器を使用して分析し、密度と構造を局所的な特徴抽出器を使用して分析する新しい方法を提案します。この方法により、結節の悪性度を予測することが可能になります。方法：局所的な特徴抽出には、3×3のカーネルサイズを持つ残差ブロック（Residual Blocks）を使用し、全体的な特徴抽出には非局所ブロック（Non-Local Blocks）を使用することを提案します。非局所ブロックは、大量のパラメータを使用せずに全体的な特徴を抽出する能力を持っています。非局所ブロックの基本的なアイデアは、同じ特徴マップ上の特徴間で行列乗算を行うことです。結果：提案手法はLIDC-IDRIデータセットで訓練および検証されました。このデータセットには1,018件のコンピュータ断層撮影（CT）スキャンが含まれています。実験設定においては厳密な手順に従い、10分割交差検証を行い、3人未満の放射線技師によって注釈された結節は無視しました。提案手法はAUC=95.62%という最先端の結果を達成し、他の基準手法を大幅に上回りました。結論：我々が提案した深層局所-全体ネットワーク（Deep Local-Global network）は、局所的および全体的な特徴を正確に抽出する能力を持っています。新しい手法は転移学習を含むDensenetやResnetなどの最先端アーキテクチャよりも優れた性能を示しました。