ProCAN: Progressive Growing Channel Attentive Non-Local Network for Lung Nodule Classification 進行中の翻訳: ProCAN: 肺結節分類のための進行成長型チャネル注意非局所ネットワーク

肺がんのスクリーニングCT画像における分類は、この疾患の早期発見において最も重要な課題の一つです。肺結節を正確に悪性（がん）または良性と分類できれば、多くの命を救うことができます。したがって、最近では深層学習に基づくモデルがいくつか提案され、肺結節の悪性・良性分類に活用されています。しかし、結節の大きさや外観の多様性により、この課題は非常に困難なものとなっています。本研究では、新たなProgressive Growing Channel Attentive Non-Local (ProCAN)ネットワークを提案し、肺結節の分類に適用します。提案手法は以下の3つの異なる側面からこの課題に対処します。非局所ネットワーク（Non-Local network）にチャネルごとの注意能力を追加することで、その機能を豊かにします。カリキュラム学習（Curriculum Learning）の原理を適用し、まず簡単な例でモデルを学習させた後、難しい例へと移行します。カリキュラム学習中に分類タスクが難しくなるにつれて、モデルは段階的に成長し、対象となるタスクの処理能力を向上させます。我々は提案手法を2つの異なる公開データセットで検証し、文献に報告されている最先端手法との性能比較を行いました。結果はProCANモデルが最先端手法を超えており、LIDC-IDRIデータセットではAUC 98.05%および精度95.28%という高い性能を達成しています。さらに、各新要素の貢献度と影響を分析するために広範なアブレーションスタディも実施しました。