论文阅读！kaggle比赛第一名--肺癌自动诊断系统
简介
根据CT图像的肺癌自动诊断系统包含以下步骤：
检测所有可疑病变；
评估整个肺部的恶性程度。
但目前大多数的研究主要集中于第一步，以及通过肺结节诊断肺癌存在较高的假阳性率。因此，肺癌的诊断需要对每个可疑结节进行细致分析，再联合所有结节信息进行定性诊断。针对上述问题，本文提出了一个三维深度神经网络（3D deep neural network）用于解决这些问题。该网络由两部分组成：
用于结节检测的3D region proposal network；
基于置信检测（the detection confidence）选出top-5结节并评估其癌症可能性，最后将此概率与Leaky noisy-or模型相结合评估患者患癌的可能性。
其中，上述两个模型均采用修改后的U-net模型，并使用数据增强操作避免过拟合问题。
数据集和预处理
数据集
训练集由LUNA16数据集（the Lung Nodule Analysis 2016）和NDSB3（Data Science Bowl 2017）数据集两部分组成。其中，LUNA16数据集含有888个病例，标记了1186个肺结节；在NDSB3数据集中，1397个病例用于训练，198个病例用于验证，506个病例用于测试，且人工标注了训练集中754个结节和验证集中78个结节。
对于LUNA16数据集，其存在许多较小的注释结节，且临床经验认为直径6mm以下的肺结节无危险。但在NDSB3数据集中，存在较多的大直径结节且结节多与主支气管相连。因此，针对两个数据集的差异，需去除LUNA16数据集中直径6mm的结节，同时对NDSB3数据集进行人工标注。
此处说明了Julian de Wit的解决方案中，直接设置结节直径为6mm的原因，以及为何需对NDSB3数据集进行人工标注。
上图为结节分布情况图。其中，图a为DSB（NDSB3）与LUNA（LUNA16）数据集中结节直径分布情况；图b为DSB数据集中患癌患者与健康人群的最大结节直径分布情况。
预处理
首先将所有的原始数据转变为HU值，如下图a所示，再进行如下步骤：
掩膜提取：在2D切片上，首先使用标准差为1的高斯滤波和阈值为-600的处理得到肺部以及周围较暗部分的掩膜，如上图b所示，然后进行连通性分析去除小于30mm2的connected component和离心率大于0.99的部分（some high-luminance radial imaging noise），再计算得到二值的3D矩阵中所有的3D connected component，且仅保留非边缘部分（用于去除肺部周围较暗的部分）以及体积在0.68~7.5L之间的部分，结果如上图c所示；
凸包与扩张：若结节与肺的外壁相连，则其将不会出现在上述提取的掩膜中。因此，对于这种情况，首先将肺部分为左右两个部分，即左肺与右肺，如上图d所示。然后分别对左右肺进行凸包处理，并向外扩张10像素，如上图f所示。但对于一些2D切片而言，肺部的底部类似与月牙形，如下图所示。若对于该类型进行凸包处理后，面积大于初始的1.5倍，则放弃凸包，从而避免引入过多的其他组织；
灰度标准化：将HU值（[-1200, 600]）线性变换至0~255内的灰度值，且掩膜以外的像素灰度值均设为170，以及扩张区域内的像素灰度值高于210则也设为170。
用于结节检测的3D卷积神经网络
该网络是基于U-net的3D版RPN（Region Proposal Network）模型。
输入数据
受限于显存，输入数据大小为128×128×128×1（Height×Length×Width×Channel），并随机选择两种patch：一种为70%的输入数据至少包含一个结节；另一种为30%的输入数据不含结节。其中，patch超出图像部分用灰度值为170填充。
为了避免过拟合问题，数据采用数据增强方法。
从输入数据大小可看出，本文作者采用的显卡为专业卡，其显存大。鉴于此，可根据实际情况将输入数据大小调整为64或者32。
网络结构
网络由前馈路径和反馈路径组成，如下图图a所示。
前馈路径
以两层卷积核为2×2×2的卷积（channel为24）开始，且padding为1；其后为4个残差块，其中每个残差块由3个残差单元组成（如上图图b所示），而每个残差单元由卷积、Batch Norm、ReLU激活函数、卷积和Batch Norm组成，且卷积核大小均为3×3×3。除此之外，每个残差块均有一个最大池化层，大小为2×2×2，步长为2。
反馈路径
反馈路径由两层反卷积（装置卷积）层和两个融合单元构成。最后，由卷积核均为1×1×1且channel为64和15的两层卷积层将数据大小转换为32×32×32×15。
反卷积层
卷积核大小为2，步长为2。
注意该部分的代码实现部分，原始U-net网络设置为不可学习。
融合单元
每个融合单元（如上图图c所示）均由一个前馈blob和反馈blob组成，其结果作为残差块的输入。
值得注意的一点，本文作者在此处引入了位置信息，作为额外的输入数据。
位置信息
proposal的位置信息可能影响是否为结节和是否为恶性的判断，因而引入位置信息。
具体方法：对于每个patch，计算其相对位置坐标，并将其大小转换为32×32×32×3。
其中，位置坐标对应归一化后的X，Y和Z轴（每个轴的取值范围为-1~1，对应于肺的两端）。
输出层
输出数据为4D的tensor，32×32×32×3×5，其中3表示anchor个数，5表示回归量（即概率，三维坐标和bounding box直径大小）。
其中，对于概率这一参数的激活函数采用sigmoid函数，其余不使用任何激活函数。
损失函数
真值标签为(Gx, Gy, Gz, Gr)，每个anchor记为(Ax, Ay, Az, Ar)，IoU（Intersection over Unit）大于0.5记为Positive，小于0.02记为False，其他在训练过程中忽略。
分类损失为：
其中，p为anchor box的真值标签。
bounding box回归标签为：
回归总损失为：
其中，S为smoothed L1-norm函数：
对于每个anchor box的损失函数为：
最后，整体的anchor box的损失函数为anchor box的损失值取平均。
正反例数据
正例数据
对于大结节而言，网络会生成较多的positive anchor box，因此为了降低训练数据之间的相关性，随机挑选其中一个。
由于结节直径大小分布不均，而NDSB3数据集多为大结节，因而对大于30mm和40mm的结节，采样频率分别是其他结节的2倍和6倍。
此处对于NDSB3竞赛得分有利，实际是否可行有待商榷。
反例数据
对于一些易误诊为结节的反例数据，通过使用hard negative mining方法解决。
具体方法为：
将不同的patch输入至网络得到不同置信度的输出映射；
随机选择N个反例数据构成候选池；
侯选池中的数据以置信度值大小排序，且选出top-n的数据作为反例数据。
未选中的数据忽略且不参与损失计算。
此处可借鉴该方法，尽可能降低假阳性率，以及加速模型训练。
图像分割（测试过程）
输入数据大小为208×208×208×1，overlap为32像素。
输出数据为{xi, yi, zi, ri, pi}，其中xi, yi, zi表示proposal中心坐标，ri表示其半径大小，pi表示其置信度。
输出数据且使用非极大值抑制操作来去除overlaping proposal。
肿瘤分类
由于受限于训练样本数，因而复用结节检测器阶段的N-net网络。
输入数据为结节的proposal，大小均为96×96×96×1，其仅使用了结节中心点的信息。在分类器训练阶段，随机挑选proposal，且其选中的概率与proposal的置信度成正比；在测试阶段，只挑选top-5的proposal。
经卷积核为24×24×24×128的最后一个卷积层得到输出结果；随后提取每个proposal中心处2×2×2的体素，并将其通过最大池化操作后得到128维的特征，如下图图a所示。
对比四种预测肿瘤类别的方法（Feature combining method，MaxP method，Noisy-or method和Leaky Noisy-or method），挑选出Leaky Noisy-or方法作为最终的分类方法，如下图图b所示。
Leaky Noisy-or Method
引入一个假想结节，其患癌概率为Pd，Pd的值在模型训练阶段学习获得。
将特征输入至两层相同的Perceptron得到分类概率P：
其中，Pi表示第i个结节癌变的概率。
训练过程
损失函数为交叉熵函数。为了避免过拟合采用了数据增强和正则化操作。
训练的步骤：
transfer检测器训练参数后，再训练分类器；
采用gradient clipping方法训练分类器，随后存储BN（Batch Normalization）参数；
用存储的BN参数和gradient clipping方法交替训练检测器和分类器。
注：BN在训练阶段和测试阶段所计算的方法有所差异。因复用N-net网络，分类器和检测器交替训练，因而需对BN的参数做特殊处理。
原文链接：https://www.jianshu.com/p/50158f8daf0d
- 加入AI学院学习 -
点击“ 阅读原文 ”进入学习
相关内容
微信扫码咨询专知VIP会员