PET/CT画像中の肺結節の自動検出。畳み込みニューラルネットワークを用いたアンサンブル偽陽性低減法

Automated detection of pulmonary nodules in PET/CT images: Ensemble false-positive reduction using a convolutional neural network technique.

• Atsushi Teramoto
• Hiroshi Fujita
• Osamu Yamamuro
• Tsuneo Tamaki

抄録

目的:

PET画像やCT画像を用いた肺結節の自動検出は感度が良いが，正常臓器と接触している結節の検出は困難であり，偽陽性（FP）をさらに減らすための努力が必要である．本論文では，畳み込みニューラルネットワーク(CNN)を用いたPET/CT画像中の肺結節検出のためのFP低減手法を提案する．

PURPOSE: Automated detection of solitary pulmonary nodules using positron emission tomography (PET) and computed tomography (CT) images shows good sensitivity; however, it is difficult to detect nodules in contact with normal organs, and additional efforts are needed so that the number of false positives (FPs) can be further reduced. In this paper, the authors propose an improved FP-reduction method for the detection of pulmonary nodules in PET/CT images by means of convolutional neural networks (CNNs).

方法:

全体的なスキームは、ＣＴ画像とＰＥＴ画像の両方を用いて肺結節を検出する。CT画像では、まず、変形可能なカーネル形状を持つコントラスト強調フィルタの一種であるアクティブコンターフィルタを用いて塊状の領域を検出します。その後、PET画像で検出された高取り込み領域とCT画像で検出された領域をマージします。FP候補の除去にはアンサンブル法を用いており、形状・代謝特徴分析とCNNによる2つの特徴抽出と、ルールベースとサポートベクターマシンによる2段階の分類器を用いている。

METHODS: The overall scheme detects pulmonary nodules using both CT and PET images. In the CT images, a massive region is first detected using an active contour filter, which is a type of contrast enhancement filter that has a deformable kernel shape. Subsequently, high-uptake regions detected by the PET images are merged with the regions detected by the CT images. FP candidates are eliminated using an ensemble method; it consists of two feature extractions, one by shape/metabolic feature analysis and the other by a CNN, followed by a two-step classifier, one step being rule based and the other being based on support vector machines.

結果:

著者らは、がん検診プログラムで収集した104枚のPET/CT画像を用いて検出性能を評価した。その結果、初期段階での検出感度は97.2%で、72.8FPs/ケースであった。提案したFP削減法を実施したところ，検出感度は90.1％，4.9FPs/ケースであり，従来の研究で存在していたFPの約半分を除去することができた．

RESULTS: The authors evaluated the detection performance using 104 PET/CT images collected by a cancer-screening program. The sensitivity in detecting candidates at an initial stage was 97.2%, with 72.8 FPs/case. After performing the proposed FP-reduction method, the sensitivity of detection was 90.1%, with 4.9 FPs/case; the proposed method eliminated approximately half the FPs existing in the previous study.

結論:

PET/CT画像中の肺結節の検出のために、CNNを用いた改良型FP削減法を開発した。著者らのアンサンブルFP削減法では93%のFPが除去されたが，CNNを用いた提案手法では約半分のFPが除去された．これらの結果は，PET/CT画像を用いた肺結節のコンピュータ支援検出に有用であることを示している．

CONCLUSIONS: An improved FP-reduction scheme using CNN technique has been developed for the detection of pulmonary nodules in PET/CT images. The authors' ensemble FP-reduction method eliminated 93% of the FPs; their proposed method using CNN technique eliminates approximately half the FPs existing in the previous study. These results indicate that their method may be useful in the computer-aided detection of pulmonary nodules using PET/CT images.