寫在前面

前些天某當紅流量明星吸煙的消息在網上引起熱議，談起青少年吸煙尤其是在公共場所吸煙，持不贊成甚至批評態度的人占了絕大多數。吸煙以及所產生的二手煙會對人體的呼吸系統造成傷害，是肺癌的重要致病因素之一。

據統計主動/被動吸煙者肺癌的發病率比普通人高20~25倍，所以對大家來說定期對肺進行深度地檢查顯得特別的重要。借著這個機會，在這里我們和大家分享一些業余期間在肺部疾病的AI診斷上的實踐和探索，希望讓大家能夠了解AI在肺部診斷上的技術應用，也能夠對吸煙/二手煙說再見，更好地珍惜自己的身體。

為什么要用AI來診斷？

肺癌在中國乃至全球范圍內，都是發病率及死亡率最高的惡性腫瘤，其早期的表現形式是直徑不超過30mm的肺內圓形或不規則形結節。肺結節檢測當前主要通過電子計算機斷層掃描（CT）檢查來實現，低劑量的CT已經成為當前主流的肺結節檢查工具。

然而通過醫生來診斷肺結節當前存在兩方面的困難：1）CT圖像是分辨率高的三維斷層掃描成像，數據量非常大，每位檢查者都會生成上百張圖像序列，導致了醫生診斷速度慢；2）肺部結節大部分尺寸很小肉眼不易發現，而不同醫生的經驗存在差異，導致檢測結果容易出現偏差。所以引入AI技術輔助醫生進行肺結節的定位和識別從而提升對肺結節的檢測率顯得尤為重要。

AI如何來診斷？

對肺結節的診斷屬于一種特殊的分類/檢測任務，基于深度學習的圖像分類和目標檢測算法被廣泛地應用在肺結節檢測中。當前業界比較常用的是采用預檢測+精檢測的診斷方式來進行肺結節的檢測。

在預檢測過程中，一般使用深度卷積神經網絡實現肺結節的初步定位，在實際應用中，我們常用U-net網絡來實現肺結節的分割，或者使用Faster R-CNN網絡來實現肺結節的檢測。無論是分割網絡還是檢測網絡，我們最終的目的都是為了獲取候選的肺結節區域，從而產生高召回率候選結節池，盡可能地降低肺結節的漏檢率。

在精檢測過程中，一般用深度卷積神經網絡對預檢測得到的候選結節區域進行分類以區分肺結節的真假性，比如使用ResNet和基于Inception的一系列分類網絡，在這一步中我們希望能夠通過深度學習模型更精確地識別肺結節，從而降低誤判率。

在實際的肺部CT檢查中，每位檢查者采集的是肺部的斷面或立體圖像，往往通常是連續的上百張圖像序列，這些圖像提供了肺部的完整三維信息。在醫生的診斷過程中，往往會同時參考多幅CT圖像來綜合判斷，一組典型的肺部CT圖像如上圖所示。

所以為了構建連續圖像序列之間的上下文信息，模擬醫生的診斷方式，常常會將基于2D圖像理解的網絡擴展為基于3D圖像理解的網絡。即先利用3D U-net來實現連續圖像序列的分割，或者利用3D Fast R-CNN來實現連續圖像序列的檢測，再利用3D CNN來完成最終的結節分類。

讓AI診斷得更準更快

上一節我們介紹了常用的肺結節AI檢測方式，但是現有的方法仍然有三個問題擺在我們面前：

1）預檢測+精檢測的兩步建模方式在檢測速度上不能讓人滿意，同時結構也不夠優雅，如何能夠設計出結構優雅速度理想的模型？

2）連續的肺部CT圖像序列，圖像之間的關系信息對最終結果的診斷非常重要，如何能夠更好地對這些圖像之間的關系進行建模？

3）對單獨的一張CT圖像，因為結節所占的位置往往都很小，如何能夠讓模型將更多的注意力集中在這些目標上，提升檢測的精度？

針對上述三個問題，我們分別做了一些探索。對于第一個問題，我們采用3D SSD檢測框架來取代以往的兩步建模方式，直接通過一個深度網絡輸出結節的位置和類別。SSD是一種單階段的目標檢測算法，通過一個網絡中直接回歸出目標的類別和位置，因此檢測速度很快。

SSD利用了Faster R-CNN的候選框概念，同時在檢測的過程中，使用了不同卷積層上對應的候選框來檢測不同大小的目標。由于肺結節的尺寸很小，所以我們進一步加入了特征金字塔網絡結構（FPN），促進了SSD的不同卷積層之間的信息傳遞，從而保證極小結節的檢測效果。

對于第二個問題，我們在網絡結構中引入群卷積，考慮各個特征通道之間的關系，讓模型自主地去學習價值較高的特征圖，同時群卷積的使用也大幅提升了模型的性能。對于第三個問題，我們引入自然語言處理中流行的注意力機制，對于通過群卷積得到的貢獻程度較高的特征圖，引導網絡去關注圖中的一些關鍵信息，弱化一些造成干擾的背景因素。群卷積和注意力機制模塊的具體計算流程如上圖所示。

最后，我們把這三個問題的解決方案融合在一起，提出了一種基于群卷積和注意力機制的SSD檢測模型 Group-Attention SSD（GA-SSD），完整的檢測框架如上圖所示。我們的方法在漏檢率和誤檢率上都勝過當前的方法。我們可視化了部分肺結節檢測的結果，可以看出對于一些很小的結節，我們的模型依然可以檢測得很好。

寫在最后

不管是主動吸煙和被動吸二手煙都會讓我們的肺受到傷害，利用AI來實現肺結節的檢測可以較好地提升肺部檢查的準確性。通過這篇文章我們介紹了肺結節AI檢測的常用技術，也進一步分享了我們在AI檢測肺結節上的一些研究成果，更多的細節大家可以在arXiv上搜索《Group-attention single-shot detector (GA-SSD): Finding pulmonary nodules in large-scale CT images》進行查看。最后祝大家都有一個健康的身體，這樣才能更好地感受生活的美好。