Radiology：计算机辅助识别肺脊柱虽好，仍需慎用！

技术的发展于胸部CT打印的计算机辅助验证(CAD)种系统可作为第二App验证有涵义的鳞状，并有助于增加鳞状漏诊情况的时有发生，特别是在增加严重错误和提高工作效赴援特别效果显著。

到目前为止，CAD的重点是对实性鳞状的验证，然而，亚实性鳞状(SSNs)的恶性赴援高于实性鳞状，在大肠癌筛查中会SSNs的时有发生赴援极低9.4%，因此愈来愈多的研究课题关注CAD对SSNs的深入探讨。当CAD技术的发展于SSNs时，CT的层很厚是一个重要的问题。在很厚层CT上，由于对比分辨赴援较低及其余部分容积现像的存有不利于SSNs的验证和密切相关。然而，在实际工作中会，并非每个机构都可获薄层CT。在现阶段，CAD对SSNs验证的最佳CT层很厚尚不明确，对于最佳层很厚的自由选择尚不曾达成一共识。

近日，刊登在Radiology华尔街日报的一项研究课题分析报告了CT层很厚对CAD验证SSNs耐用性的影响，并深入探讨了基于高度求学的的大分辨赴援CT层很厚减薄解法是否能提高CT层很厚的验证耐用性，为CAD在人工智慧特别的种系统化技术的发展提供了参考标准，为CAD再进一步扩展医学技术的发展提供了原先理论及技术上的支持者。

本研究课题划入了2018年3年末至2018年12年末其间接受切除术治疗病症的CT图形，层很厚并列1、3、5mm。对有同时切除的SSNs病症和无SSNs病症(有性对照)展开了回顾性分析报告。范围为6 ~ 30mm的SSNs被标记为实性病变。将基于高度求学的CAD种系统技术的发展于每个层很厚的CT图形的SSN验证，并使用的大分辨赴援解法将3毫米和5毫米层很厚图形变换为1毫米层很厚CT图形。透过JAFROC种系统性评价和来得了CAD在各层很厚上的耐用性。

本研究课题一共划入分析报告了308事例病症(总数±平均数，62岁±10岁;女性183事例)，其中会SSNs424事例(其余部分实性鳞状310事例，非实性鳞状114事例)，无SSNs182事例(总数65±10岁;97名女性)。三种层很厚(1、3和5 mm并列0.92、0.90和0.89;P = 0.04)及1和 5 mm层很厚相互间的评分相异显著(P = 0.04)。非实性鳞状的评分相异较大(1、3和5 mm并列0.78、0.72和0.66,P < .001)，而其余部分实性鳞状的评分相异并不显著(范围为0.93-0.94,P = .76)。的大分辨赴援解法提高了CAD在3和5mm层很厚上的敏感性(3mm的P = 0.02, 5mm的P < .001)。

图 72岁女性，病理证实左大肠上叶诱发HG大肠肝癌。(a) 1mm层很厚，(b) 5mm层很厚和从零碎（c）3mm和（d）5mm层很厚图形经的大分辨赴援解法变换后辨识左下叶有一个16mm界限明晰的其余部分实性鳞状，实性其余部分为5mm。鳞状的实性其余部分(箭头)在1mm图形(a)上辨识边境清晰，而在5mm图形(b)上边境欠清。计算机辅助验证(CAD)解法在1mm和3mm层很厚图形上辨识了鳞状，但在5mm层很厚图形上不曾辨识。技术的发展的大分辨赴援解法(c, d)检索并不一定其余部分，CAD在的大分辨赴援3和5 mm图形上均验证到了鳞状。

同上 CAD在不尽相同层很厚和的大分辨赴援变换的CT图形上的假中性分数。

薄层CT对亚实性鳞状的计算机辅助验证(CAD)优于很厚层CT，相比之下是在非实性鳞状上更为引人注意。基于高度求学的的大分辨赴援解法的技术的发展提高了CAD在很厚层CT图形上的敏感性。CAD的改进以及其与阅读者的联合技术的发展可显著增加假阳赴援。这为医学对CAD的深入技术的发展提供了理论支持者，为CAD在人工智慧特别的发展铺平了干道。

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