亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Unsupervised contrastive learning based transformer for lung nodule detection

计算机科学 计算机辅助设计 嵌入 变压器 人工智能 模式识别(心理学) 计算机辅助诊断 医学 电压 量子力学 物理 内科学 工程类 工程制图
作者
Chuang Niu,Ge Wang
出处
期刊:Physics in Medicine and Biology [IOP Publishing]
卷期号:67 (20): 204001-204001 被引量:20
标识
DOI:10.1088/1361-6560/ac92ba
摘要

Abstract Objective. Early detection of lung nodules with computed tomography (CT) is critical for the longer survival of lung cancer patients and better quality of life. Computer-aided detection/diagnosis (CAD) is proven valuable as a second or concurrent reader in this context. However, accurate detection of lung nodules remains a challenge for such CAD systems and even radiologists due to not only the variability in size, location, and appearance of lung nodules but also the complexity of lung structures. This leads to a high false-positive rate with CAD, compromising its clinical efficacy. Approach. Motivated by recent computer vision techniques, here we present a self-supervised region-based 3D transformer model to identify lung nodules among a set of candidate regions. Specifically, a 3D vision transformer is developed that divides a CT volume into a sequence of non-overlap cubes, extracts embedding features from each cube with an embedding layer, and analyzes all embedding features with a self-attention mechanism for the prediction. To effectively train the transformer model on a relatively small dataset, the region-based contrastive learning method is used to boost the performance by pre-training the 3D transformer with public CT images. Results. Our experiments show that the proposed method can significantly improve the performance of lung nodule screening in comparison with the commonly used 3D convolutional neural networks. Significance. This study demonstrates a promising direction to improve the performance of current CAD systems for lung nodule detection.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
夜阑听雨完成签到,获得积分0
4秒前
容若发布了新的文献求助10
11秒前
远方发布了新的文献求助10
13秒前
55秒前
科研小刘发布了新的文献求助10
59秒前
lingduyu发布了新的文献求助10
1分钟前
1分钟前
1分钟前
激动的似狮完成签到,获得积分10
1分钟前
1分钟前
1分钟前
Ying完成签到,获得积分10
1分钟前
lingduyu完成签到,获得积分10
1分钟前
健忘沛春完成签到 ,获得积分10
2分钟前
Singularity应助Milesma采纳,获得10
2分钟前
3分钟前
wanci应助科研通管家采纳,获得10
3分钟前
Aira发布了新的文献求助10
3分钟前
3分钟前
李健应助Aira采纳,获得10
3分钟前
3分钟前
serein发布了新的文献求助10
3分钟前
3分钟前
健忘沛春发布了新的文献求助10
3分钟前
xz完成签到 ,获得积分10
4分钟前
youngyang完成签到 ,获得积分10
4分钟前
4分钟前
4分钟前
刘快乐发布了新的文献求助10
4分钟前
4分钟前
江子川发布了新的文献求助10
5分钟前
5分钟前
上官若男应助科研通管家采纳,获得10
5分钟前
帅气的藏鸟完成签到 ,获得积分10
5分钟前
非洲大象发布了新的文献求助50
6分钟前
慕青应助啊呜采纳,获得10
6分钟前
Amber完成签到 ,获得积分10
6分钟前
6分钟前
脑洞疼应助YUYUYU采纳,获得10
6分钟前
啊呜发布了新的文献求助10
6分钟前
高分求助中
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Chen Hansheng: China’s Last Romantic Revolutionary 500
宽禁带半导体紫外光电探测器 388
Case Research: The Case Writing Process 300
Global Geological Record of Lake Basins 300
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3142675
求助须知:如何正确求助?哪些是违规求助? 2793563
关于积分的说明 7806945
捐赠科研通 2449831
什么是DOI,文献DOI怎么找? 1303501
科研通“疑难数据库(出版商)”最低求助积分说明 626959
版权声明 601314