肺结节检测实际上就是目标检测,但是有一些地方要注意。
1:在二维平面图上检测不准,还需3D方式进行检测。
2: 一个患者的片子可能包括几百张切片,重构为3D后占用内存很大,需要采用补丁输入的方式,就是把整个3d切分为mmm大小的小的立体3d输入。
3:提升正例的比重,平衡输入训练数据。在训练数据中小的结节(小于3mm)的占据很大数量,如果不做处理,则训练出的网络偏向于小结节。但是大结节更能帮助判断病状,所以在可以增大对大结节的采样比例,例如采样时候大结节可以是小结节的几倍。
4:hard negative mining(翻译为难例挖掘),所谓难例就是假阳性。先用正负例都存在的训练集训练出网络,然后把负样本输入网络进行预测,得到置信分最大的,这些就是难例,然后就把它们加入到训练集中进行训练,这样训练出的网络就叫好。一般负例:正例=3:1关系较为合适。
5:不同尺度的锚点的设置,例如10,30,60mm。这个设置需要根据现实结节大小的统计数据分布得到。
6: IoU很重要,大于0.5的认为检测到了(阳性),小于0.02的可认为是阴性,其他的忽略。
7:多任务网络,也对应多个损失函数。在目标检测中既要分类,也要得到位置,所以分别对应分类的损失函数和边框回归的损失函数。
8:预测的时候数据太大,也需要进行劈分。但是滑动的时候要进行重叠,以防止漏掉。