Radiology:计算机辅助识别肺结节虽好,仍需慎用!

2021-04-29 shaosai MedSci原创

应用于胸部CT扫描的计算机辅助检测(CAD)系统可作为第二阅读器检测有意义的结节,并有助于减少结节漏诊情况的发生,特别是在减少错误和提高工作效率方面效果显著。

应用于胸部CT扫描的计算机辅助检测(CAD)系统可作为第二阅读器检测有意义的结节,并有助于减少结节漏诊情况的发生,特别是在减少错误和提高工作效率方面效果显著。

到目前为止,CAD的重点是对实性结节的检测,然而,亚实性结节(SSNs)的恶性率高于实性结节,在肺癌筛查中SSNs的发生率高达9.4%,因此越来越多的研究关注CAD对SSNs的探讨。当CAD应用于SSNs时,CT的层厚是一个重要的问题。在厚层CT上,由于对比分辨率较低及部分容积效应的存在不利于SSNs的检测和表征。然而,在实际工作中,并非每个机构都可获得薄层CT。在现阶段,CAD对SSNs检测的最佳CT层厚尚不明确,对于最佳层厚的选择尚未达成共识

近日,发表在Radiology杂志的一项研究评估了CT层厚对CAD检测SSNs性能的影响,并探讨了基于深度学习的超分辨率CT层厚减薄算法是否能提高CT层厚的检测性能,为CAD在人工智能方面的标准化应用提供了参考标准,为CAD进一步扩大临床应用提供了新的理论及技术上的支持。

本研究纳入了2018年3月至2018年12月期间接受手术治疗患者的CT图像,层厚分别为1、3、5mm。对有同时切除的SSNs患者和无SSNs患者(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。将基于深度学习的CAD系统应用于每个层厚的CT图像的SSN检测,并使用超分辨率算法将3毫米和5毫米层厚图像转换为1毫米层厚CT图像。利用JAFROC分析评价和比较了CAD在各层厚上的性能。

本研究共纳入评估了308例患者(平均年龄±标准差,62岁±10岁;女性183例),其中SSNs424例(部分实性结节310例,非实性结节114例),无SSNs182例(平均年龄65±10岁;97名男性)。三种层厚(1、3和5 mm分别为0.92、0.90和0.89;P = 0.04)及1和 5 mm层厚之间的评分差异显著(P = 0.04)。非实性结节的评分差异较大(1、3和5 mm分别为0.78、0.72和0.66,P < .001),而部分实性结节的评分差异并不显著(范围为0.93-0.94,P = .76)。超分辨率算法提高了CAD在3和5mm层厚上的敏感性(3mm的P = 0.02, 5mm的P < .001)。

 

图 72岁男性,病理证实左肺上叶浸润型肺腺癌。(a) 1mm层厚,(b) 5mm层厚和从原始(c)3mm和(d)5mm层厚图像经超分辨率算法转换后显示左上叶有一个16mm界限分明的部分实性结节,实性部分为5mm。结节的实性部分(箭头)在1mm图像(a)上显示边界清晰,而在5mm图像(b)上边界欠清。计算机辅助检测(CAD)算法在1mm和3mm层厚图像上显示了结节,但在5mm层厚图像上未显示。应用超分辨率算法(c, d)检索实体部分,CAD在超分辨率3和5 mm图像上均检测到了结节。

 

表 CAD在不同层厚和超分辨率转换的CT图像上的假阳性分数。

薄层CT对亚实性结节的计算机辅助检测(CAD)优于厚层CT,尤其是在非实性结节上更为突出。基于深度学习的超分辨率算法的应用提高了CAD在厚层CT图像上的敏感性。CAD的改进以及其与阅读者的联合应用可明显减少假阳率。这为临床对CAD的深入应用提供了理论支持,为CAD在人工智能方面的发展铺平了道路。

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

版权声明:
本网站所有注明“来源:梅斯医学”或“来源:MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:梅斯医学”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (1)
#插入话题
  1. 2021-04-30 MedSciZeng

    #Radiology#点击进入话题查看更多相关文章 或评论时插入话题加入讨论

    0

相关资讯

Radiology:用胸片筛查肺癌结节,你放心吗?人工智能给你答案!

肺癌是全世界癌症相关死亡的主要原因,占所有癌症死亡人数的四分之一。由于大多数情况下肺癌诊断时已为晚期,因此肺癌的早期筛查已成为降低肺癌死亡率的重要策略。

Radiology:低剂量CT真的可靠吗?

胸部CT是CT成像中最常见的诊断任务之一。胸部CT能够显示高危患者的早期肺癌并降低肺癌死亡率,同时也可用于肺转移病灶的显示并为进一步的外科或药物治疗提供影像学参考依据。

Radiology:对于首次发现的肋胸膜结节,影像科医生应如何处理?

使用低剂量CT对高危人群进行肺癌的早期筛查已被越来越被人们所接受。

Eur Radiol:人眼在检测肺结节大小变化方面的能力

肺癌是在世界世界范围内发病率和死亡率均极高。虽然有许多因素可以预测肺结节恶性的可能性,但多项研究表明,结节的大小与恶性可能性有最强的相关性。

Eur Radiol:肺CT筛查中发现的结节灶体积大小对筛查频率有啥影响?

通过低剂量计算机断层扫描(LDCT)进行的肺癌筛查(LCS)可以早期诊断肺癌(LC),从而显着降低LC死亡率。

Eur Radiol:或许了解了肺亚实性结节的自然进程,才能更加准确地诊断肺结节!

大部分先前研究一直在探索SSN的组织学类型及浸润性,但尚无研究评价SSN的生长率及IAC的自然进程。

打开APP