Radiology：计算机辅助识别肺突起虽好，仍需慎用！

领域于头部CT扫描的计算机辅助扫描(CAD)系统可作为第二App扫描有意义的脊柱，并更容易降低脊柱漏诊情况的引发，众所周知降低错误和增加工作效率总体效果值得注意。

到现阶段，CAD的重点是对实性脊柱的扫描，然而，亚实性脊柱(SSNs)的恶性率高于实性脊柱，在肺癌侵入性中SSNs的引发率高达9.4%，因此愈加多的研究成果关注CAD对SSNs的探讨。当CAD领域于SSNs时，CT的层厚是一个关键的疑问。在厚层CT上，由于对比亮度较低及外直径振荡的存在十分困难SSNs的扫描和表征。然而，在实际工作中，并非每个独立机构都可获得孔洞CT。在这两项，CAD对SSNs扫描的最佳CT层厚尚不明确，对于最佳层厚的必需尚未定下诚意。

近日，发表在Radiology杂志的一项研究成果评估了CT层厚对CAD扫描SSNs机动性的直接影响，并探讨了基于广度求学的时是亮度CT层厚减薄正则表达式是否能增加CT层厚的扫描机动性，为CAD在机器求学总体的标准化领域提供者了参考标准，为CAD进一步扩大药理学领域提供者了一新论点及技术上的拥护。

本研究成果归属于了2018年3月至2018年12月期间不感兴趣手术治疗症状的CT示意图形，层厚都为1、3、5mm。对有同时切除的SSNs症状和无SSNs症状(阴性对照)进行了回顾性评估。范围为6 ~ 30mm的SSNs被标记为实性病变。将基于广度求学的CAD系统领域于每个层厚的CT示意图形的SSN扫描，并适用时是亮度正则表达式将3毫米和5毫米层厚示意图形转化为1毫米层厚CT示意图形。能用JAFROC分析评价和来得了CAD在各层厚上的机动性。

本研究成果一共归属于评估了308同上症状(岁数±标准差，62岁±10岁;男士183同上)，其中SSNs424同上(外实性脊柱310同上，非实性脊柱114同上)，无SSNs182同上(岁数65±10岁;97名未成年)。三种层厚(1、3和5 mm都为0.92、0.90和0.89;P = 0.04)及1和 5 mm层厚相互间的分数相似之处值得注意(P = 0.04)。非实性脊柱的分数相似之处较大(1、3和5 mm都为0.78、0.72和0.66,P < .001)，而外实性脊柱的分数相似之处并不值得注意(范围为0.93-0.94,P = .76)。时是亮度正则表达式增加了CAD在3和5mm层厚上的敏感度(3mm的P = 0.02, 5mm的P < .001)。

示意图 72岁未成年，病理表明左肺上叶浸润型肺癌。(a) 1mm层厚，(b) 5mm层厚和从原始（c）3mm和（d）5mm层厚示意图形经时是亮度正则表达式转化后辨识左上叶有一个16mm界定分明的外实性脊柱，实性外为5mm。脊柱的实性外(圆点)在1mm示意图形(a)上辨识疆界明了，而在5mm示意图形(b)上疆界欠清。计算机辅助扫描(CAD)正则表达式在1mm和3mm层厚示意图形上辨识了脊柱，但在5mm层厚示意图形上未辨识。领域时是亮度正则表达式(c, d)解析实体外，CAD在时是亮度3和5 mm示意图形上均扫描到了脊柱。

表 CAD在不同层厚和时是亮度转化的CT示意图形上的假无症状分数。

孔洞CT对亚实性脊柱的计算机辅助扫描(CAD)优于厚层CT，尤其是在非实性脊柱上更为值得注意。基于广度求学的时是亮度正则表达式的领域增加了CAD在厚层CT示意图形上的敏感度。CAD的改进以及其与阅读者的共同领域可值得注意降低假阳率。这为药理学对CAD的深入领域提供者了论点拥护，为CAD在机器求学总体的发展铺平了道路。

译者出处：

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