論文の概要: MHSnet: Multi-head and Spatial Attention Network with False-Positive Reduction for Pulmonary Nodules Detection

• arxiv url: http://arxiv.org/abs/2201.13392v1
• Date: Mon, 31 Jan 2022 17:56:08 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-01 16:57:36.553761
• Title: MHSnet: Multi-head and Spatial Attention Network with False-Positive Reduction for Pulmonary Nodules Detection
• Title（参考訳）: MHSnet:False-Positive Reductionによる肺結節検出のためのマルチヘッド・空間アテンションネットワーク
• Authors: Juanyun Mai, Minghao Wang, Jiayin Zheng, Yanbo Shao, Zhaoqi Diao, Xinliang Fu, Yulong Chen, Jianyu Xiao, Jian You, Airu Yin, Yang Yang, Xiangcheng Qiu, Jingsheng Tao, Bo Wang, Hua Ji
• Abstract要約: 肺癌の早期発見は、疾患の予防、治療、死亡率の低下に重要である。 既存の肺結節検出法では偽陽性が多すぎる。 肺結節を検出するために,マルチヘッド検出と空間的絞殺ネットワーク(MHSnet)を提案する。
• 参考スコア（独自算出の注目度）: 6.863130535003796
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The mortality of lung cancer has ranked high among cancers for many years. Early detection of lung cancer is critical for disease prevention, cure, and mortality rate reduction. However, existing detection methods on pulmonary nodules introduce an excessive number of false positive proposals in order to achieve high sensitivity, which is not practical in clinical situations. In this paper, we propose the multi-head detection and spatial squeeze-and-attention network, MHSnet, to detect pulmonary nodules, in order to aid doctors in the early diagnosis of lung cancers. Specifically, we first introduce multi-head detectors and skip connections to customize for the variety of nodules in sizes, shapes and types and capture multi-scale features. Then, we implement a spatial attention module to enable the network to focus on different regions differently inspired by how experienced clinicians screen CT images, which results in fewer false positive proposals. Lastly, we present a lightweight but effective false positive reduction module with the Linear Regression model to cut down the number of false positive proposals, without any constraints on the front network. Extensive experimental results compared with the state-of-the-art models have shown the superiority of the MHSnet in terms of the average FROC, sensitivity and especially false discovery rate (2.98% and 2.18% improvement in terms of average FROC and sensitivity, 5.62% and 28.33% decrease in terms of false discovery rate and average candidates per scan). The false positive reduction module significantly decreases the average number of candidates generated per scan by 68.11% and the false discovery rate by 13.48%, which is promising to reduce distracted proposals for the downstream tasks based on the detection results.
• Abstract（参考訳）: 肺癌の死亡率は長年癌の中で高く評価されてきた。 肺癌の早期発見は、疾患の予防、治療、死亡率の低下に重要である。 しかし, 既存の肺結節検出法では, 高感度を実現するために偽陽性候補が多すぎるため, 臨床状況では実用的ではない。 本稿では,肺がんの早期診断を支援するために,肺結節を検出するマルチヘッド検出・空間絞り・アテンションネットワーク(mhsnet)を提案する。 具体的には、まずマルチヘッド検出器と接続をスキップし、様々な大きさ、形状、型をカスタマイズし、マルチスケールの特徴を捉える。 そこで我々は,経験豊富な臨床医がCT画像の表示方法に着想を得て,ネットワークが異なる領域に集中できるように,空間的注意モジュールを実装した。 最後に, 線形回帰モデルを用いて, 最前線ネットワークに制約を伴わずに, 偽陽性提案数を削減できる軽量かつ効果的な偽陽性削減モジュールを提案する。 最先端モデルと比較した広範な実験結果では、平均froc、感度、特に偽発見率(平均frocと感度の点で2.98%と2.18%改善、5.62%と28.33%が偽発見率とスキャン当たりの候補数で低下)においてmhsnetが優れていることが示された。 偽陽性減算モジュールは、スキャン毎の平均候補数を68.11%減少させ、偽発見率を13.48%減少させる。

関連論文リスト

• MSDet: Receptive Field Enhanced Multiscale Detection for Tiny Pulmonary Nodule [17.838015589388014]
  肺結節は肺癌の早期診断における重要な指標である。 従来のCT画像撮影法は、煩雑な処置、低検出率、ローカライゼーション精度の低下に悩まされていた。 肺小結節検出のためのマルチスケールアテンションおよび受容野ネットワークであるMSDetを提案する。
  論文  参考訳（メタデータ） (2024-09-21T06:08:23Z)
• Boosting Medical Image-based Cancer Detection via Text-guided Supervision from Reports [68.39938936308023]
  本研究では, 高精度ながん検出を実現するための新しいテキスト誘導学習法を提案する。 本手法は,大規模プレトレーニングVLMによる臨床知識の活用により,一般化能力の向上が期待できる。
  論文  参考訳（メタデータ） (2024-05-23T07:03:38Z)
• EMT-NET: Efficient multitask network for computer-aided diagnosis of breast cancer [58.720142291102135]
  乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。 腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。 腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
  論文  参考訳（メタデータ） (2022-01-13T05:24:40Z)
• Dual Skip Connections Minimize the False Positive Rate of Lung Nodule Detection in CT images [1.6058099298620425]
  本論文では,マルチスケール特徴写像を生成するU-Net構造におけるデュアルパスネットワークに基づくデュアルスキップ接続アップサンプリング手法を提案する。 以上の結果から,新しいアップサンプリング手法は,画像毎の4 FROCにおいて85.3%の感度で性能を向上できることが示唆された。
  論文  参考訳（メタデータ） (2021-10-25T15:19:59Z)
• Controlling False Positive/Negative Rates for Deep-Learning-Based Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
  そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。 1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
  論文  参考訳（メタデータ） (2021-06-04T09:51:27Z)
• Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
  前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。 自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。 パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
  論文  参考訳（メタデータ） (2021-05-20T18:13:58Z)
• COVID-19 Detection from Chest X-ray Images using Imprinted Weights Approach [67.05664774727208]
  胸部X線撮影は、COVID-19の代替スクリーニング方法です。 コンピュータ支援診断(CAD)は低コストで高速で実現可能であることが証明されている。 この課題に対処するために,インプリント重みという低ショット学習手法を提案する。
  論文  参考訳（メタデータ） (2021-05-04T19:01:40Z)
• M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia Screening from CT Imaging [85.00066186644466]
  マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。 COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
  論文  参考訳（メタデータ） (2020-10-07T06:22:24Z)
• 3D Neural Network for Lung Cancer Risk Prediction on CT Volumes [0.6810862244331126]
  肺がんはアメリカ合衆国で最も多いがん死の原因である。 肺がんCT検査は、死亡率を40%まで下げることが示されている。 放射線診断の基準が採用されているにもかかわらず, 経年変化が持続的であり, 包括的画像所見の不完全な特徴が現在の方法の限界として残っている。 本稿では,肺がんリスク予測のための最先端ディープラーニングアルゴリズムを再現する。
  論文  参考訳（メタデータ） (2020-07-25T10:01:22Z)
• Lung Segmentation and Nodule Detection in Computed Tomography Scan using a Convolutional Neural Network Trained Adversarially using Turing Test Loss [6.375447757249894]
  肺がんは世界中で最も多く見られるがんであり、死亡率が高い。 悪性腫瘍の症状である結節は、患者のCTスキャンで約0.0125～0.025%の体積を占める。 この問題に対処するために,計算効率の良い2段階フレームワークを提案する。 第1段階では、肺領域のチューリング試験損失セグメントを用いて、畳み込みニューラルネットワーク(CNN)が逆行訓練を行った。 第2段階では、区分けされた領域から採取されたパッチは、結節の存在を検出するために分類される。
  論文  参考訳（メタデータ） (2020-06-16T16:51:53Z)
• Deep convolutional neural networks for multi-planar lung nodule detection: improvement in small nodule identification [3.553706252828364]
  臨床的には、小さな肺結節は放射線医によって容易に見落としられる。 畳み込みニューラルネットワークを用いた多平面検出システムを提案する。
  論文  参考訳（メタデータ） (2020-01-13T21:37:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。