Radiology：计算机辅助识别脾结节虽好，仍需慎用！

用于胸部CT扫描的计算机辅助验证(CAD)子系统可作为第二移动设备验证有意义的肌肉组织，并有助于降低肌肉组织漏诊原因的发生，特别是在降低错误和提高服务水平方面效果突出。

到目前为止，CAD的要点是对实性肌肉组织的验证，然而，亚实性肌肉组织(SSNs)的恶性率高于实性肌肉组织，在肠胃癌筛查中会SSNs的发生率高达9.4%，因此越来越多的数据分析关注CAD对SSNs的揭示。当CAD用于SSNs时，CT的层厚是一个重要的问题。在厚层CT上，由于对比像素较低及之外容积效应的存在不利于SSNs的验证和列于征。然而，在也就是说工作中会，并非每个政府部门都可赢得表层CT。在当前，CAD对SSNs验证的最佳CT层厚尚不恰当，对于最佳层厚的选择未曾达成共识。

近日，公开发列于在Radiology杂志的一项数据分析审计了CT层厚对CAD验证SSNs可靠性的影响，并揭示了基于尺度学习的；也像素CT层厚减薄迭代是否能提高CT层厚的验证可靠性，为CAD在计算机科学方面的通用技术的发展共享了参考标准，为CAD必要性扩大病理技术的发展共享了新的理论模型及技术上的大力支持。

本数据分析扩及了2018年3月末至2018年12月末后曾接纳手术化疗病患的CT图列于，层厚分别为1、3、5mm。对有同时外科手术的SSNs病患和无SSNs病患(阴性印证)展开了回顾性审计。范围为6 ~ 30mm的SSNs被标记为实性病变。将基于尺度学习的CAD子系统用于每个层厚的CT图列于的SSN验证，并常用；也像素迭代将3毫米和5毫米层厚图列于反转为1毫米层厚CT图列于。并用JAFROC分析高度评价和相对了CAD在各层厚上的可靠性。

本数据分析共扩及审计了308可有病患(同期±平均值，62岁±10岁;女性183可有)，其中会SSNs424可有(之外实性肌肉组织310可有，非实性肌肉组织114可有)，无SSNs182可有(同期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层厚相互间的高分差异突出(P = 0.04)。非实性肌肉组织的高分差异较大(1、3和5 mm分别为0.78、0.72和0.66,P < .001)，而之外实性肌肉组织的高分差异并不突出(范围为0.93-0.94,P = .76)。；也像素迭代提高了CAD在3和5mm层厚上的一般来说(3mm的P = 0.02, 5mm的P < .001)。

图 72岁男性，病理证实左肠胃上叶显现出来型肠胃肠胃癌。(a) 1mm层厚，(b) 5mm层厚和从原始（c）3mm和（d）5mm层厚图列于经；也像素迭代反转后列于明左上叶有一个16mm连续性明晰的之外实性肌肉组织，实性之外为5mm。肌肉组织的实性之外(箭头)在1mm图列于(a)上列于明边界清晰，而在5mm图列于(b)上边界欠清。计算机辅助验证(CAD)迭代在1mm和3mm层厚图列于上列于明了肌肉组织，但在5mm层厚图列于上未列于明。技术的发展；也像素迭代(c, d)检索也就是说之外，CAD在；也像素3和5 mm图列于上均验证到了肌肉组织。

列于 CAD在不同层厚和；也像素反转的CT图列于上的假白血病分数。

表层CT对亚实性肌肉组织的计算机辅助验证(CAD)优于厚层CT，尤其是在非实性肌肉组织上更为突出。基于尺度学习的；也像素迭代的技术的发展提高了CAD在厚层CT图列于上的一般来说。CAD的小型化以及其与阅读者的共同技术的发展可显着降低假阳率。这为病理对CAD的深入技术的发展共享了理论模型大力支持，为CAD在计算机科学方面的发展铺平了道路。

原文原文：

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