3D 문맥 강화 지역 기반 합성곱 신경망을 이용한 단계적 병변 탐지

컴퓨터 단층 촬영(CT) 스캔에서 병변을 감지하는 것은 중요한 문제이지만, 비병변과 진정한 병변이 유사하게 나타날 수 있어 어려운 과제입니다. 3D 맥락은 이 구분 작업에 도움이 되는 것으로 알려져 있습니다. 그러나 현재의 합성곱 신경망(CNN) 기반 끝에서 끝까지 감지 프레임워크는 주로 2D 이미지를 대상으로 설계되어 있습니다. 본 논문에서는 2D 이미지의 특징 맵을 집계하여 3D 맥락 정보를 효율적으로 통합할 수 있는 3D 맥락 강화 지역 기반 CNN(3DCE)를 제안합니다. 3DCE는 훈련과 추론 과정에서 쉽게 훈련될 수 있으며, 끝에서 끝까지의 프로세스를 지원합니다. DeepLesion 데이터셋을 사용하여 모든 종류의 병변을 하나의 알고리즘으로 감지할 수 있는 보편적인 병변 감지기 개발에 중점을 두었습니다. 이 어려운 과제에 대한 실험 결과는 3DCE의 효과성을 입증하였습니다. 우리는 3DCE 코드를 https://github.com/rsummers11/CADLab/tree/master/lesion_detector_3DCE 에 공개하였습니다.