Segmentation or Detection on CT images is a crucial for automatic diagnosis using deep learning on medical image. However, recent researchers only focus on detection of the lesion or nodule, not on the diagnosis level. Therefore, we propose an automatic diagnosis system that can detect adrenal gland organs and nodules on the CT images and to determine whether the patient has a nodule or not. Our model has a backbone similar to Mask R-CNN, a 3D feature fusion module to deal with consecutive CT images, and a two-stage framework to diagnose the nodularity. At the first stage, our model detect a region of adrenal gland or adrenal. The second stage model refine the detected region to segment the nodule. Then, we post-process the second stage output region to diagnosis the presence of absence of a nodule at the patient-level. We achieve the state-of-the-art segmentation performance on our Datasets and the diagnosis accuracy at the patient-level. We also conduct an ablation study and qualitative analysis of our results on our large datasets.
의료 영상 분야에서 자동 진단을 위해 컴퓨터 단층촬영 영상을 분할하고 감지하는 단계가 필요하다. 하지만 최근 연구들은 컴퓨터 단층촬영 영상에서 특정 부위의 결절 혹은 병변을 감지하는 데에만 집중하고, 환자 단위의 진단으로까지 이어지지 못했다. 따라서 우리는 컴퓨터 단층촬영 영상을 바탕으로 환자가 결절을 가지고 있는지 자동으로 진단해주는 프레임워크를 제안한다. 결절 진단을 위한 우리의 프레임워크는 이미지 감지 모델을 활용하여 3차원 정보를 효과적으로 처리할 수 있는 모델과 부신 결절인지를 분할할 수 있는 네 트워크로 구성되어있다. 우리의 프레임워크는 부신 결절을 찾기 위해 두 단계를 거치는데, 첫 번째 단계에서 우리의 모델은 부신 혹인 부신 결절의 영역을 감지한다. 두 번째 단계의 모델은 첫 번째 단계에서 감지된 영역을 개선하여 결절의 유무를 분할한다. 최종적으로 두 번째 단계 모델의 출력 결과를 후처리하여 환자 단위의 결절 유무를 판단한다. 우리의 모델은 분할 성능 및 환자 단위의 진단 정확도에서 최고의 성능을 달 성했다. 또한 우리는 우리가 구축한 대규모 데이터셋에서 다양한 실험을 진행했고 정량적 및 정서적 결과를 분석했다.
