A Dual-Branch Framework with Prior Knowledge for Precise Segmentation of Lung Nodules in Challenging CT Scans
Abstract 肺癌是全球最致命的癌症之一,早期诊断对于患者的生存至关重要。肺结节是早期肺癌的主要表现,通常通过 CT 扫描进行评估。如今,计算机辅助诊断系统被广泛用于辅助医生进行疾病诊断。肺结节的准确分割受到内部异质性和外部数据因素的影响。为了克服结节的细微、混合、粘附型、良性和不确定类别的分割挑战,提出了一种新的混合手动特征网络,可增强灵敏度和准确性。该方法通过双分支网络框架和多维融合模块集成特征信息。通过使用多个数据源和不同数据质量进行训练和验证,我们的方法在 LUNA16、多厚度切片图像数据集 (Multi-thickness Slice Image dataset)、LIDC 和 UniToChest 上表现出领先的性能,Dice 相似系数达到 86.89%、75.72%、84.12% 和 80.74分别超过了当前大多数肺结节分割方法。我们的方法进一步提高了肺结节分割任务的准确性、可靠性和稳定性,即使是在具有挑战性的 CT 扫描中也是如此。本研究中使用的代码发布在 GitHub 上,可通过以下 URL (https://github.com/BITEWKRER/DBNet) 获取。 Introduction 肺癌是全球癌症相关死亡的主要原因[1]。仅在美国,预计 2023 年将有 127,070 人死于肺癌,占所有癌症死亡的 21% [2]。不幸的是,超过 50% 的肺癌病例发生在发展中国家或不发达国家,与发达国家相比,这些国家的医疗资源有限[3]。 为了增加生存机会,早期诊断和治疗肺癌仍然至关重要。在中国,研究表明,小于1厘米的I期肺癌的5年生存率为92%。然而,晚期肺癌的5年生存率低得多,仅为7.0%[4]。利用计算机断层扫描 (CT) 进行肺癌筛查已显示出可大幅降低死亡率的潜力 [5]、[6]。低剂量CT是目前肺癌筛查最常用的方法。此外,移动CT的引入有助于解决欠发达国家和偏远地区缺乏CT扫描仪的问题[6]。由于可能没有明显的症状,检测早期肺癌的存在可能会带来重大挑战。 这种医学背景数据可以直接借鉴,Chatgpt润色改写就完事儿 在 CT 图像上识别肺结节提供了疾病的关键指标 [1], [3]。这些结节代表圆形异常,其大小各异,直径范围为 3 至 30 毫米 [7]。为了进一步研究肺结节,美国国家癌症研究所组装了“肺部图像数据库联盟和图像数据库资源计划(LIDC)”数据集[8]。 欠发达地区设备不足、人员不足,导致医生的诊断和治疗时间有限[9]。在这种情况下,医生的工作量很大、重复且耗时[10]、[5]。此外,由于与CT切片相比,肺部结节性病变占据相对较小的面积,长时间和密集的CT筛查可能会导致漏检小的、细微的或 GGO (肺磨玻璃结节) [3],[6]。为了解决这些问题,计算机辅助诊断系统(CAD)出现并得到了快速发展,特别是随着基于深度学习技术的诊断方法的进步。 CAD系统大大减轻了医生的工作量,最大限度地降低了未发现结节的风险,并提高了肺结节诊断的效率和可靠性。然而,当前用于肺结节分割的 CAD 系统仍然面临一些挑战。 下面详细阐述了肺结节分割的几个现有挑战,可以从这些挑战入手 首先,放射科医生标记的肺结节包含九个诊断特征[11],异质性表型阻碍了肺结节分割的发展。如图1所示,实心结节(a,b)具有清晰的形状和边界,而微妙的GGO结节(e)具有低对比度和模糊的边界[4],使得网络很容易将它们分类为背景区域。空洞(g)结节降低了网络分割的敏感性,并且由于背景和分割目标之间的极度不平衡,小结节很容易被遗漏[12]。 由于周围多余的组织结构,血管旁或胸膜旁(c、d、f)可能会导致网络分类错误[13]。此外,部分实性结节(h)比纯GGO更致密,产生更复杂的异质纹理,更容易发展成恶性结节[14]。 其次,肺结节内部因素造成的分割困难在于医生注释、层厚、数据来源和数据质量。数据质量差或不同医生的经验可能会导致不同的注释和注释者数量。由多名医生注释的病变区域通常更可靠,减少了潜在的临床风险。在资源有限的地区,由于 CT 扫描仪短缺和成像设备陈旧,CT 扫描质量差的情况很常见。较厚的切片更有可能产生“体积平均效应”和伪影,使医生难以达成一致的诊断。即使使用移动 CT 扫描仪也可能无法提供完整的诊断详细信息。最后,目前大多数肺结节分割方法都是基于2D图像,但这些方法忽略了空间关系,因此提出一种有效的3D肺结节分割模型来捕获肺结节的空间位置、纹理和其他详细信息变得越来越重要以避免误诊和漏诊。 Challenge: 异质性: 肺结节的形状多异 (实心结节、磨玻璃结节 (GGO) 、空洞结节、血管和胸膜旁边的结节) ...