Etkileşimli öğrenme ile akciğer tomografi hacim taramalarında nodül tespiti

Abstract

Bu bildiride akciğer BT taramalarında otomatik nodül tespiti yapmak üzere geliştirdigimiz yeni ve özgün bir yöntem sunulmaktadır. Önerdiğimiz yöntem, akciğer organına ve belirli bir nodül tipine bağlı kalmaksızın genelleştirilmiş bir yaklaşım sunmaktadır. Böylelikle akciğer bölütlemesine ihtiyaç duymamaktadır. Düşük doz radyasyonlu ve çeşitli tipte (katı ve kırık cam görünümlü, yüzeye ve damara ilişik) 10 mm’den küçük nodüllerden oluşan zorlu bir tarama kümesinde (Anode09) sınamalar yapılmıştır. Tarama başına ortalama 8 yanlış tespit için nodül tespit duyarlılığı %52’dir. Yarışmada ilk altıya giren algoritmalarla karşılaştırılabilir düzeydedir.

We present a novel method to automatically detect lung nodules in CT lung scans. Our method is generalized in the sense that it does not assume/depend a particular organ or a particular nodule type. hence it does not require an organ segmentation. We test our method in a challenging set (Anode09) that is comprised of low dose CT scans which include all types of nodules (solid, ground glass opacity, juxta-fissural, juxta-vascular) of less than 10mm in size. Our method produces 8 false positives per scan for true positive rate of 52%, which is comparable to the first 6 results from the contest.