胸部CTにおける肺がんの検出と診断のためのクラウドベースの自動臨床決定支援システム

肺がんは、がん関連の死亡の主な原因です。初期段階での肺がんの検出は、生存率を大幅に増加させる可能性があります。放射線科医による肺結節の手動描写は退屈な作業です。放射線科医を支援するための3Dディープ畳み込みニューラルネットワーク（3DDCNN）に基づいた肺結節検出のための新しいコンピューター支援意思決定システムを開発しました。私たちの意思決定支援システムは、肺がん診断意思決定における放射線科医にセカンドオピニオンを提供します。コンピューター断層撮影（CT）スキャンからの3次元情報を活用するために、潜在的な関心地域の自動選択のために、中央強度投影およびマルチレジオン提案ネットワーク（MRPN）を適用しました。当社のコンピューター支援診断（CAD）システムは、LUNA16、ANODE09、およびLIDC-IDRデータセットを使用してトレーニングおよび検証されています。この実験は、システムの優れた性能を示し、98.4％、92％、96％、98.51％の感度、特異性、AUROC、精度、スキャンあたり2.1 fpsの98.51％を達成します。クラウドコンピューティングを統合し、クラウドベースの3DDCNNを上海6人の病院、およびLUNA16、ANODE09、およびLIDC-IDRが提供するデータセットでトレーニングおよび検証しました。私たちのシステムは、最先端のシステムよりも優れており、スキャンあたり1.97 fpsで印象的な98.7％の感度を獲得しました。これは、CTイメージングを介した正確で効率的な肺結節検出のために、クラウドコンピューティングと組み合わせて、深い学習の可能性を示しています。

Lung cancer is a major cause for cancer-related deaths. The detection of pulmonary cancer in the early stages can highly increase survival rate. Manual delineation of lung nodules by radiologists is a tedious task. We developed a novel computer-aided decision support system for lung nodule detection based on a 3D Deep Convolutional Neural Network (3DDCNN) for assisting the radiologists. Our decision support system provides a second opinion to the radiologists in lung cancer diagnostic decision making. In order to leverage 3-dimensional information from Computed Tomography (CT) scans, we applied median intensity projection and multi-Region Proposal Network (mRPN) for automatic selection of potential region-of-interests. Our Computer Aided Diagnosis (CAD) system has been trained and validated using LUNA16, ANODE09, and LIDC-IDR datasets; the experiments demonstrate the superior performance of our system, attaining sensitivity, specificity, AUROC, accuracy, of 98.4%, 92%, 96% and 98.51% with 2.1 FPs per scan. We integrated cloud computing, trained and validated our Cloud-Based 3DDCNN on the datasets provided by Shanghai Sixth People's Hospital, as well as LUNA16, ANODE09, and LIDC-IDR. Our system outperformed the state-of-the-art systems and obtained an impressive 98.7% sensitivity at 1.97 FPs per scan. This shows the potentials of deep learning, in combination with cloud computing, for accurate and efficient lung nodule detection via CT imaging, which could help doctors and radiologists in treating lung cancer patients.