AUTOMATED PULMONARY NODULE DETECTION USING 3D DEEP CONVOLUTIONAL NEURAL NETWORKS
スポンサーリンク
論文URL
https://arxiv.org/pdf/1903.09876.pdf
2019年3月公開
ポイント
- CT画像からの肺結節検出
- アリババの2017年TianChi AI Competition for Healthcareで1位となったネットワーク
- 2887チームが参加
- 検出モデル
- U-Net風の3D Faster R-CNN(Fig1)で候補領域を検出
- 検出領域中心周りの64x64x64領域を入力をFig2の3D DCNNに入力し、肺結節か否かを分類
- 分類器を3つ作成
- Faster R-CNNと3つの分類の多数決で最終的な肺結節領域を決定
- Faster R-CNN単体で検出するよりも擬陽性を低減できる
- アリババの2017年TianChi AI Competition for Healthcareで1位となったネットワーク
コンペティションの結果
<補足>
本論文ではCPMの説明が皆無であったが、以下で定義されているCompetition Performance Metricと思われる。
- 1スキャン当たりの許容擬陽性数を1/8, 1/4, 1/2, 1, 2, 4, 8とした場合の感度(Recall)の平均値
- [参考文献] https://arxiv.org/pdf/1612.08012.pdf