AANet: Artery-Aware Network for Pulmonary Embolism Detection in CTPA Images

摘要

肺栓塞(PE)是危及生命的疾病，计算机断层肺血管造影(CTPA)是临床上最好的诊断技术
然而，在CTPA图像中，PE通常表现为血液动脉明亮区域中的黑点，这与不太亮的静脉和软组织非常相似。即使对于经验丰富的放射科医生来说，CTPA中PE的评估也是一项耗时且不平凡的任务。
本文提出了一种动脉感知的3D全卷积网络(AANet)，该网络将动脉信息编码为先验知识，同时检测动脉和PE。在我们的方法中，我们提出了动脉背景融合块(ACF)，结合多尺度特征图，生成血管的局部和全局背景作为软关注点，以精确识别软组织或静脉中的PE。我们用动脉和静脉血管标签在CAD-PE数据集上评估我们的方法。实验结果表明，每次扫描的一次、两次和四次假阳性的灵敏度分别为78.1%、84.2%和85.1%，这表明我们的方法达到了最先进的性能，并在临床实践中为诊断提供了有希望的帮助

方法

AANet架构可以分为三个部分:U-Net型主干、动脉上下文融合块(ACF)和PE分割头，如图1所示。利用U-Net骨干网提取图像特征。ACF融合提取的特征，生成动脉预测，并利用动脉预测作为soft attention来重新绘制特征，以便关注动脉区域。最后，PE分割头使用重新绘制的特征生成PE预测。
损失函数：

实验结果