2달 전
RECIST 라벨을 활용한 밀도 높은 마스크를 통해 CT 병변 탐지용 RetinaNet 개선
Zlocha, Martin ; Dou, Qi ; Glocker, Ben

초록
컴퓨터 단층 촬영(CT)에서 정확하고 자동화된 병변 검출은 병변 유형, 크기, 위치 및 외관의 큰 변동성 때문에 중요한 과제이지만 어려움을 동반합니다. 최근 CT 병변 검출 연구에서는 중심점 또는 경계 상자 주석으로 훈련된 두 단계 지역 제안 기반 방법을 사용하고 있습니다. 우리는 의료 영상에서 특유의 도전 과제를 해결하기 위해 RetinaNet을 재설계하여 매우 정확하고 효율적인 한 단계 병변 검출기를 제안합니다. 구체적으로, 차별 진화 탐색 알고리즘을 사용하여 앵커 설정을 최적화하였습니다. 훈련 시에는 임상 루틴에서 측정되는 고형 종양의 반응 평가 기준(RECIST) 주석을 활용하였습니다. GrabCut을 사용하여 자동으로 얻은 약한 RECIST 라벨로부터 밀집 마스크를 훈련 목표에 통합함으로써, 이와 같은 개선 사항들이 결합되어 새로운 최고 수준의 성능을 달성하였습니다. 우리의 방법은 체내 32,735개의 병변으로 구성된 공개 DeepLesion 벤치마크에서 평가되었습니다. 우리의 한 단계 검출기는 이미지당 4개의 거짓 양성을 기록하며 90.77%의 감도를 달성하였으며, 이는 가장 우수한 기존 방법보다 5% 이상 크게 우월한 성능입니다.