Radiology：计算机辅助识别肺骨盆虽好，仍需慎用！

系统设计于颈部CT显影的计算机辅助探测(CAD)系统会可作为第二平板电脑探测有意义的腹腔，并借以减少腹腔漏诊可能会的引发，特别是在减少有误和提升工作效率总体效果显著。

到已确定，CAD的重点是对实性腹腔的探测，然而，亚实性腹腔(SSNs)的恶性率高于实性腹腔，在肺癌乳癌当中SSNs的引发率高达9.4%，因此越来越多的了解研究关切CAD对SSNs的探讨。当CAD系统设计于SSNs时，CT的层厚是一个举足轻重的问题。在厚层CT上，由于对比像素很低及外容积效应的存在不利于SSNs的探测和列于征。然而，在实际工作当中，并非每个机构都可得到薄层CT。在这两项，CAD对SSNs探测的最佳CT层厚尚不明确，对于最佳层厚的选择尚未达成合共识。

近日，发列于在Radiology杂志的一项了解研究风险评估了CT层厚对CAD探测SSNs机动性的影响，并探讨了基于深度学习的极限像素CT层厚减薄线性是不是能提升CT层厚的探测机动性，为CAD在认知科学总体的国际标准系统设计获取了简介标准，为CAD进一步扩大针灸系统设计获取了一新理论及技术上的支持。

本了解研究归属于了2018年3月初至2018年12月初之前接受治疗治疗高血压的CT影像，层厚并列1、3、5mm。对有同时切除的SSNs高血压和无SSNs高血压(阴性对照)进行了回顾性风险评估。范围为6 ~ 30mm的SSNs被标记为实性病变。将基于深度学习的CAD系统会系统设计于每个层厚的CT影像的SSN探测，并用于极限像素线性将3毫米和5毫米层厚影像叠加为1毫米层厚CT影像。运用JAFROC分析评论者和比较了CAD在各层厚上的机动性。

本了解研究合共归属于风险评估了308实有高血压(平均年龄±平均值，62岁±10岁;女性183实有)，其当中SSNs424实有(外实性腹腔310实有，非实性腹腔114实有)，无SSNs182实有(平均年龄65±10岁;97名成人)。三种层厚(1、3和5 mm并列0.92、0.90和0.89;P = 0.04)及1和 5 mm层厚之间的评分歧异显著(P = 0.04)。非实性腹腔的评分歧异较大(1、3和5 mm并列0.78、0.72和0.66,P < .001)，而外实性腹腔的评分歧异并不显著(范围为0.93-0.94,P = .76)。极限像素线性提升了CAD在3和5mm层厚上的敏感性(3mm的P = 0.02, 5mm的P < .001)。

绘出 72岁成人，生理证明左肺上叶浸润型号肺腺癌。(a) 1mm层厚，(b) 5mm层厚和从原始（c）3mm和（d）5mm层厚影像经极限像素线性叠加后结果显示左上叶有一个16mm并不一定迥然不同的外实性腹腔，实性外为5mm。腹腔的实性外(箭头)在1mm影像(a)上结果显示边界清晰，而在5mm影像(b)上边界欠清。计算机辅助探测(CAD)线性在1mm和3mm层厚影像上结果显示了腹腔，但在5mm层厚影像上未结果显示。系统设计极限像素线性(c, d)检索实体外，CAD在极限像素3和5 mm影像上均探测到了腹腔。

列于 CAD在不同层厚和极限像素叠加的CT影像上的假阳性总分。

薄层CT对亚实性腹腔的计算机辅助探测(CAD)很低厚层CT，众所周知是在非实性腹腔上更为显眼。基于深度学习的极限像素线性的系统设计提升了CAD在厚层CT影像上的敏感性。CAD的加以改进以及其与阅读者的联合系统设计可相比减少假阳率。这为针灸对CAD的了解系统设计获取了理论支持，为CAD在认知科学总体的工业发展铺平了道路。

原文出处：

Sohee Park,Sang Min Lee,Wooil Kim,et al.Computer-aided Detection of Subsolid Nodules at Chest CT: Improved Performance with Deep Learning-based CT Section Thickness Reduction.DOI:10.1148/radiol.2021203387