3D Deep Leaky Noisy-or Network 论文阅读

3D Deep Leaky Noisy-or Network 论文阅读

---

原文：Evaluate the Malignancy of Pulmonary Nodules Using the 3D Deep Leaky Noisy-or Network

博文参考：Doublle Tree的博客中Evaluate the Malignancy of Pulmonary Nodules Using the 3D Deep Leaky Noisy-or Network 论文阅读一文。

注：本文为2017年Kaggle举办的数据科学竞赛中，第一名获奖团队的相关论文，若需查看代码可访问Github。

---

简介

根据CT图像的肺癌自动诊断系统包含以下步骤：

1. 检测所有可疑病变；
2. 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：

1. 用于结节检测的3D region proposal network；
2. 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：

1. 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$30m{m}^2$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；

2. 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；
   

3. 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$128\times 128\times 128\times 1（Height\times Length\times Width\times Channel）$，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。

此处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$3\times 3\times 3$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$3\times 3\times 3$。除此之外，每个残差块均有一个最大池化层，大小为$2\times 2\times 2$，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$1\times 1\times 1$且channel为64和15的两层卷积层将数据大小转换为$32\times 32\times 32\times 15$。

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$32\times 32\times 32\times 3$。

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，$32\times 32\times 32\times 3\times 5$，其中3表示anchor个数，5表示回归量（$\hat{o},\widehat{d_x},\widehat{d_y},\widehat{d_z},\widehat{d_r}$，即概率，三维坐标和bounding box直径大小）。

其中，对于$\hat{o}$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$(G_x,G_y,G_z,G_r)$，每个anchor记为$(A_x,A_y,A_z,A_r)$，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：

$$L_{cls}=plog(\hat{p})+(1-p)log(1-\hat{p})$$

其中，$p$为anchor box的真值标签，$\hat{p}$为预测概率。

bounding box回归标签为：

$$\begin{gathered} d_x=\frac{(G_x-A_x)}{A_r} \\ {d}_y=\frac{(G_y-A_y)}{A_r} \\ {d}_z=\frac{(G_z-A_z)}{A_r} \\ {d}_r=log(\frac{G_r}{A_r}) \end{gathered}$$

回归总损失为：

L r e g = ∑ k ∈ { x ,   y ,   z ,   r } S ( d k ,    d k ^ ) L_{reg}=\sum\limits_{k\in\{x,\,y,\,z,\,r\}}S(d_k,\; \hat{d_k}) Lreg​=k∈{x,y,z,r}∑​S(dk​,dk​^​)

其中，$S$为smoothed L1-norm函数：

$$S(d,\hat{d})=\{\begin{array}{l}|d-\hat{d}|,if|d_k-\hat{d}|>1\\ (d-\hat{d}{)}^2,else\end{array}$$

对于每个anchor box的损失函数为：

$$L=L_{cls}+p{L}_{reg}$$

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。

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：

1. 将不同的patch输入至网络得到不同置信度的输出映射；
2. 随机选择N个反例数据构成候选池；
3. 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。

图像分割（测试过程）

输入数据大小为$208\times 208\times 208\times 1$，overlap为32像素。

输出数据为 { x i , y i , z i , r i , p i } \{x_i, y_i, z_i, r_i, p_i\} {xi​,yi​,zi​,ri​,pi​}，其中$x_i,y_i,z_i$表示proposal中心坐标，$r_i$表示其半径大小，$p_i$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$96\times 96\times 96\times 1$，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$24\times 24\times 24\times 128$的最后一个卷积层得到输出结果；随后提取每个proposal中心处$2\times 2\times 2$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$P_d$，$P_d$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$P$：

$$P=1-(1-P_d)\prod _i(1-P_i)$$

其中，$P_i$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：

1. transfer检测器训练参数后，再训练分类器；
2. 采用gradient clipping方法训练分类器，随后存储BN（Batch Normalization）参数；
3. 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。

版权印版权标识