[论文阅读] CA-Net: Leveraging Contextual Features for Lung Cancer Prediction

[论文地址] [代码] [MICCAI 21]

Abstract

在肺癌的早期诊断中，一个重要步骤是对每个肺结节进行恶性/良性分类。对于这种分类，结节的特征(如形状、边缘)历来是主要的焦点。最近，背景特征由于其提供的补充信息而吸引了越来越多的关注。在临床上，这种背景特征指的是结节周围结构的特征，这样(与结节的特征一起)它们可以暴露出恶性/良性的鉴别模式，如血管汇聚和裂隙附着。为了利用这些上下文特征，我们提出了一个上下文注意网络(CA-Net)，它可以提取结节和上下文特征，然后在恶性/良性分类中有效地融合它们。为了准确识别包含结节扭曲/附着的结构的上下文特征，我们通过注意机制将结节的特征作为参考。此外，我们提出了一个特征融合模块，可以自适应地调整各结节的特征和背景特征的权重。我们提出的方法的实用性表现在比Kaggle比赛中的数据科学碗2017年数据集的第一名有明显的优势。

Method

本文算是一种比较高级的上下文attention机制，即引入了肺结节的扭曲，附着之类的信息。具体流程如下：

检测肺部疾病本质上其实就是个多阶段实现的二分类问题。首先，要用一个结节检测(Nodule Detection)算法把CT图像汇总的肺结节给检测出来，本文直接用了个TNNLS上的经典算法；接着，要对每个结节进行分类(Nodule Malignancy Classification)，判断其为恶性的概率；最后，依据每个结节的状态对肺部CT状态进行综合的诊断(Cancer Prediction)。诊断其实就是一个预测概率汇总：$$P(Y\mid I)=1-\left(1-p_l\right)\prod _{k=1}^K\left(1-P\left(M\mid I_{N_k}\right)\right)$$ 因此本文的核心工作其实就在肺结节分类上，包含三步：特征提取，上下文注意力以及特征融合。特征提取其实就是使用3D-UNet拿到feature map。

上下文注意力：

这一步做的是如何将从原始特征$X$中分别提取出结节特征$X_N$以及上下文特征$X_C$。$X_N$是很好获得的，只需要进行一个ROI Pooling就可以提取出来。这里的亮点是$X_C$的获得需要$X_N$来辅助。

从图中可以看到，$X_C$是在$X_S$的基础上做了一个空间注意力得到的，$X_S=X-X_C$。至于这个空间注意力，其实就是由$X_N$做了一个"Nodule Encoding"，$X_S$做了一个"Surrounding Encoding"，把得到的结果concat起来作为attention map。至于这两个Encoding block，本文并未指出其结构，不过按照注意力的一般做法使用任意可学习的网络组件（甚至全连接层）应该都是可以的。

特征融合：

至于这个特征融合走的也还是空间注意力的思想，只不过这里甚至更加简单粗暴，即要得到：$$X_{\text{fuse }}=\mathrm{Concat}\left({\omega }_N\times X_N,{\omega }_C\times X_C\right)$$ 因此直接各自上了一个小的MLP(可以认为就是几个全连接层)来计算这个系数$\omega$。