Lung cancer is a major cause for cancer-related deaths. The detection of pulmonary cancer in the early stages can highly increase survival rate. Manual delineation of lung nodules by radiologists is a tedious task. We developed a novel computer-aided decision support system for lung nodule detection based on a 3D Deep Convolutional Neural Network (3DDCNN) for assisting the radiologists. Our decision support system provides a second opinion to the radiologists in lung cancer diagnostic decision making. In order to leverage 3-dimensional information from Computed Tomography (CT) scans, we applied median intensity projection and multi-Region Proposal Network (mRPN) for automatic selection of potential region-of-interests. Our Computer Aided Diagnosis (CAD) system has been trained and validated using LUNA16, ANODE09, and LIDC-IDR datasets; the experiments demonstrate the superior performance of our system, attaining sensitivity, specificity, AUROC, accuracy, of 98.4%, 92%, 96% and 98.51% with 2.1 FPs per scan. We integrated cloud computing, trained and validated our Cloud-Based 3DDCNN on the datasets provided by Shanghai Sixth People’s Hospital, as well as LUNA16, ANODE09, and LIDC-IDR. Our system outperformed the state-of-the-art systems and obtained an impressive 98.7% sensitivity at 1.97 FPs per scan. This shows the potentials of deep learning, in combination with cloud computing, for accurate and efficient lung nodule detection via CT imaging, which could help doctors and radiologists in treating lung cancer patients.

中文翻译：

---

基于云的自动化临床决策支持系统，用于胸部 CT 肺癌的检测和诊断

肺癌是癌症相关死亡的主要原因。早期发现肺癌可以大大提高生存率。放射科医生手动勾画肺结节是一项繁琐的任务。我们开发了一种基于 3D 深度卷积神经网络 (3DDCNN) 的新型计算机辅助决策支持系统，用于肺结节检测，以协助放射科医生。我们的决策支持系统在肺癌诊断决策过程中为放射科医师提供第二意见。为了利用来自计算机断层扫描 (CT) 扫描的 3 维信息，我们应用了中值强度投影和多区域建议网络 (mRPN) 来自动选择潜在的感兴趣区域。我们的计算机辅助诊断 (CAD) 系统已经使用 LUNA16、ANODE09 和 LIDC-IDR 数据集进行了培训和验证；实验证明了我们系统的卓越性能，实现了 98.4%、92%、96% 和 98.51% 的灵敏度、特异性、AUROC、准确度，每次扫描 2.1 FP。我们集成了云计算，在上海第六人民医院以及 LUNA16、ANODE09 和 LIDC-IDR 提供的数据集上训练和验证了我们的基于云的 3DDCNN。我们的系统优于最先进的系统，并在每次扫描 1.97 FP 时获得了令人印象深刻的 98.7% 灵敏度。这显示了深度学习与云计算相结合的潜力，可以通过 CT 成像准确高效地检测肺结节，这可以帮助医生和放射科医生治疗肺癌患者。我们集成了云计算，在上海第六人民医院以及 LUNA16、ANODE09 和 LIDC-IDR 提供的数据集上训练和验证了我们的基于云的 3DDCNN。我们的系统优于最先进的系统，并在每次扫描 1.97 FP 时获得了令人印象深刻的 98.7% 灵敏度。这显示了深度学习与云计算相结合的潜力，可以通过 CT 成像准确高效地检测肺结节，这可以帮助医生和放射科医生治疗肺癌患者。我们集成了云计算，在上海第六人民医院以及 LUNA16、ANODE09 和 LIDC-IDR 提供的数据集上训练和验证了我们的基于云的 3DDCNN。我们的系统优于最先进的系统，并在每次扫描 1.97 FP 时获得了令人印象深刻的 98.7% 灵敏度。这显示了深度学习与云计算相结合的潜力，可以通过 CT 成像准确高效地检测肺结节，这可以帮助医生和放射科医生治疗肺癌患者。