CT容积灌注诊断孤立性肺结节良恶性的临床应用评价

目的评价常规胸部CT结合CT容积灌注(CTVP)诊断孤立性肺结节(SPN)良、恶性的临床应用价值。资料与方法搜集行首过法CTVP的SPN65例,其中恶性43例,良性22例。先通过受试者工作特征(ROC)曲线明确CTVP参数诊断阈值,并通过四格表行2项参数的联合试验。由两名低年资和两名高年资医师回顾性盲法阅常规胸部CT图像,做出诊断(方法A);再阅常规胸部CT及CTVP资料,作出诊断(方法B)。采用ROC曲线比较每名医师采用诊断方法A与B的准确性有无统计学差异。通过组内相关系数(ICC)评价诊断方法A及B的一致性。结果当BF=50ml.100g-1.min-1、BV=3ml/100g、PS=10ml.100g-1.min-1时,CTVP诊断SPN良、恶性的敏感性分别为93%、86%及86%,特异性分别为59%、68%及77%。BF+PS及BV+PS的序列实验联合特异性均为82%。联合运用常规胸部CT和CTVP,四名医师诊断SPN良、恶性的敏感性分别为91%、95%、95%及95%;特异性分别为86%、91%、95%及82%。四名医师方法B的ROC曲线下面积均大于方法A(P均<0.05)。四名医师方法A的ICC=...     

18F-DG PET/CT诊断孤立性肺结节数学模型的临床验证

目的 对前期建立的应用18F-DG PET/CT诊断肺孤立性结节(solitary pulmonary nodule,SPN)良、恶性的数学模型加以临床验证.方法 采用前瞻性试验方法,连续收集自2011年1月～2012年6月间于我中心行18F-DG PET/CT检查的SPN患者共109例(恶性67例,良性42例).根据前期模型所需,收集患者年龄、密度、瘤肺交界情况、分叶、血管集束征、胸膜牵拉征和FDG摄取程度作为诊断SPN的影响因子,输入数学模型,计算诊断效率,并与2名具有丰富PET/CT阅片经验的高年资医师诊断结果对比,比较其临床应用价值.结果 应用前期数学模型判断SPN良、恶性的诊断灵敏度为95.52％、特异度69.05％、阳性预测值83.12％、阴性预测值90.63％、准确率85.32％;医师的诊断灵敏度为97.01％、特异度52.38％、阳性预测值76.47％、阴性预测值91.67％、准确率79.82％；数学模型诊断SPN良、恶性的的ROC曲线下面积(AUC,area under curve)为0.887±0.034,明显高于医师的诊断结果(AUC 0.747士0.05).结论 利用二元Logistic回归建立的18F-DG PET/CT诊断SPN良、恶性的数学模型诊断准确率高,具有较高的临床应用价值.     

Bayes分析在孤立性肺结节CT诊断中的应用

目的 探讨Bayes分析在孤立性肺结节(SPN)CT定性诊断中的价值.方法 利用Bayes分析从352例SPN训练集中得到恶性SPN的验前比及各临床和CT表现的似然比,求出各SPN的恶性概率.并前瞻性的在132例SPN测试集中予以检验.结果 根据似然比的高低得出,较能提示恶性SPN的特征为空泡征、短毛刺、深分叶等,较能提示良性SPN的特征为良性钙化模式、强化值＜20 HU、"多边形"轮廓等;Bayes分析诊断测试集SPN的敏感度、特异度、符合率、阳性预测值及阴性预测值分别为88.5%、85.9%、87.1%、84.4%、89.7%,其诊断符合率与高年资甲、乙医生常规阅片比较无统计学差异(P均＞0.05),但高于低年资丙、丁医生(P均＜0.05).对于非转移瘤SPN的诊断,Bayes分析的ROC曲线下面积(AZ)为0.957,大于高年资医生组(AZ＝0.886,P＝0.003)和低年资医生组(AZ＝0.845,P＝0.000).结论 SPN相关的各临床和CT表现的似然比可以用来指导日常阅片;Bayes分析是一个有效的诊断辅助工具,可以提高医生鉴别SPN良恶性的能力,尤其对低年资医生的帮助较大.     

深度卷积网络骨抑制技术对孤立性肺结节诊断效能的研究

目的评估新型骨抑制技术—深度卷积网络骨抑制成像(deep bone suppression imaging,deepBSI)对孤立性肺结节(solitary pulmonary nodule,SPN)的诊断效能,并与数字化X线片(digital radiograph,DR)、双能量减影技术(dual energy substraction,DES)进行对比分析。方法收集我院2016年12月~2017年9月拍摄标准胸部正位片247例(114例诊断SPN,133例无结节)。3位低年资及3位高年资医师按DR图像→DR+deepBSI图像→DR+DES图像的阅片顺序,分别在三组图像上标出结节可能位置并评分,进行Z检验,应用ROC曲线分析三种检查方法对SPN的诊断效能。结果6位医师,DR、deepBSI、DES三种检查方法诊断SPN的ROC曲线下面积分别约0.715、0.804、0.800,deepBSI、DES诊断效能均优于DR(P<0.05)。当结节与肋骨重叠面积>50%时,deepBSI、DES二种方法相比于DR诊断SPN的诊断效能越好。结论deepBSI、DES诊断效能均优于DR,有助于肺结节的检出,与肋骨重叠面积大的结节优势更显著,deepBSI、DES诊断敏感性及特异性始终相似。     

ＣＴ灰度直方图对实性肺结节的鉴别诊断价值

目的:探讨CT灰度直方图对实性肺结节良恶性的鉴别诊断价值.方法:回顾性分析经组织病理学或临床随访证实的110例实性肺结节患者的CT图像,其中恶性55例,良性55例.选取肺结节最大CT平扫轴面图像勾画感兴趣区并采用Matlab软件生成灰度直方图.采用Mann-Whitney U检验比较良恶性结节灰度直方图参数的差异.建立ROC曲线并以组织病理学或临床随访结果为依据计算曲线下面积(AUC).使用最佳临界值评价灰度直方图诊断良恶性肺结节的敏感度、特异度、准确度、阳性预测值及阴性预测值.结果:恶性结节的偏度(0.281±0.181)大于良性结节(-0.592±0.194),差异有统计学意义(P＜0.001);恶性结节的峰度(2.786±0.252)小于良性结节(3.553±0.331),差异有统计学意义(P＜0.05),两者的ROC曲线下最大面积分别为0.894和0.996.使用最佳临界值标准,峰度和偏度鉴别诊断肺结节良恶性的敏感度分别为0.982、0.946,特异度分别为1.000、0.764,准确度分别为0.990、0.845,阳性预测值分别为1.000、0.797,阴性预测值分别为0.982、0.913.结论:CT灰度直方图可作为肺结节良恶性鉴别诊断的重要辅助手段.     

18F-FDG PET/CT对不同大小孤立性肺结节的诊断价值

目的 评价18F-脱氧葡萄糖(FDG) PET/CT对不同大小范围孤立性肺结节(SPN)良恶性鉴别诊断的价值.方法 从全国拥有PET/CT的10家医院筛选出已经获得病理学检查结果的SPN病例,收集诊断CT、PET/CT和病理检查结果以及标准摄取值(SUV)、结节大小等资料.诊断CT、PET/CT结果为肺癌、肺癌可能性大、肺癌可能者为阳性;结果为良性病变、良性可能性大、良性可能者为阴性;难以确定阳性和阴性者为不确定.采用SPSS 10.0软件对资料进行分析.结果 120个(120例)SPN中良性结节28个,恶性结节92个.直径或(长径+短径)/2≤1.0cm的结节17个,恶性病变9个;1.1～2.0cm 57个,恶性病变占75.44%;2.1～3.0cm 46个,恶性病变占86.96%.28个良性结节SUV最大值(SUVmax)的平均值为4.5±4.9, SUV平均值(SUVmean)的平均值为2.9±3.6;92个恶性结节SUVmax平均值为6.7±4.2, SUVmean平均值为4.9±3.6;良性结节的SUV显著低于恶性结节的SUV.无论良性还是恶性结节,随着结节的增大,SUV升高.诊断CT对结节良恶性鉴别的灵敏度为78.26%,特异性3/8,准确性72.22%; PET/CT灵敏度为94.51%,特异性64.00%,准确性87.93%.结论 18F-FDG PET/CT在SPN鉴别诊断中具有较高的灵敏度、特异性和准确性,优于诊断CT;结节大小是判断SPN良恶性的重要指标,直径或(长径+短径)/2＞2.0cm的结节,恶性可能性约为87%; SUV可以作为鉴别诊断的依据,但鉴于良性结节SUVmean的平均值为2.9±3.6,界值2.5仅供参考,尤其是对于≤1.0cm的结节.     

CT的形态学征象联合影像组学特征诊断模型在肺结节诊断中的应用

目的结合肺结节CT形态学征像与影像组学特征建立联合诊断模型,期望提高孤立性肺结节的诊断准确性。方法选取2012年2月~2019年1月206例肺实性结节(直径≤2cm)的CT图像。由两名医师独立进行形态学征像评估,并诊断结节良恶性,使用PyRadiomics开源软件提取、筛选定量影像组学特征,采用逻辑回归建立影像组学模型,并融合形态学征像建立联合诊断模型,采用受试者操作特征(ROC)曲线评价模型诊断效能,并与人工诊断结果进行比较。结果结节的血管集束、支气管截断、毛刺、分叶、胸膜牵拉、空泡征及充气支气管征在恶性结节中的检出率高,与良性结节之间的差异有统计学意义(P<0.05);结节越小,各种CT征像检出率越低。两位医师对肺结节征像识别一致性存在差异,高年资医师诊断效能明显高于低年资医师,曲线下面积(AUC)分别为0.81(95%CI,0.744~0.856),0.69(95%CI,0.623~0.753)。影像组学诊断模型对良恶性肺结节具有较高的鉴别诊断效能,AUC为0.86(95%CI,0.8~0.92),结合毛刺征、分叶征、胸膜牵拉征及影像组学特征建立联合诊断模型,进一步提高肺结节诊断效能,AUC为0.92(95%CI,0.87~0.96)。结论结合肺结节CT形态学征像及影像组学特征建立的联合诊断模型,在肺结节良恶性鉴别诊断中有较高的应用价值。     

16层螺旋CT灌注成像评价孤立性肺结节良恶性及其分子生物学

目的:探讨16层螺旋CT首过动态增强CT在确定肺孤立结节(SPN)良恶性中的价值并与SPN微血管密度对照分析,阐述首过动态增强CT评价SPN良恶性的分子生物学基础。方法:75例SPN行首过动态增强CT扫描,61例进入研究范围。记录肺SPN首过强化峰值(PH),其中40例SPN标本用免疫组化(S-P法)测定微血管密度(MVD),评价首过PH值与MVD的相关性。结果:良性结节MVD(14.333±10.577条/0.723mm2)、首过PH值(10.912±5.452)HU,均小于恶性结节MVD(32.821±19.459条/0.723mm2)、首过PH值(22.864±13.514)HU。40例良恶性结节首过PH值与MVD呈正相关(r=0.821),首过PH值诊断结节良恶性的最佳界值点为15HU,对孤立结节良恶性的诊断,首过PH值诊断的敏感度、特异度、符合率、阳性、阴性预测值分别为87.5%、72.41%、77.78%、84.00%、80.33%。结论:胸部首过动态增强CT可有效评价SPN良恶性。首过PH值准确反映SPN微血管密度是首过动态增强CT有效评价SPN良恶性的分子生物学基础。     

CT时间减影技术在肺结节检测中的应用

目的 探讨CT时间减影技术在检测肺结节中的应用价值.方法 回顾性分析80例CT图像(每例均有过去和当前的CT图像)和相应的CT减影图像,其中30例有肺结节(共75个结节)作为研究组,50例无肺结节作为对照组.2名高年资与2名低年资放射科医师分别首先分析普通CT图像,然后再同时分析普通图像与CT减影图像.阅读时诊断是否存在较前次增大、实性成分增多或者新发的结节并对诊断的肯定度进行评分.观察的结果采用受试者工作特征(ROC)曲线进行分析.结果 4名放射科医师使用CT减影图像前后的平均ROC曲线下面积(AUC)分别为0.860和0.925,两者有统计学差异(P<0.01).使用CT减影图像后,肺结节检出率由77.3%(58/75)提高到89.3%(67/75).结论 CT时间减影技术可以显著提高放射科医师的肺结节检出率,尤其是对靠近肺门的亚实性小结节,而且低年资医师受益更多.     

孤立性肺结节18FDG PET/CT诊断的数学模型建立

目的:利用二元Logistic回归法建立18FDG PET/CT诊断孤立性肺结节(SPN)良、恶性的数学模型。方法:接受PET/CT检查的连续182例SPN患者(良性67例、恶性115例)纳入研究,选择患者年龄、性别以及病灶部位、最大径、密度、瘤肺界面、分叶、毛刺、血管集束征、胸膜牵拉征和FDG摄取程度作为诊断的影响因子进行单因素和多因素分析,应用二元Logistic回归法建立SPN的PET/CT定性诊断数学模型。结果:SPN定性诊断的Logistic数学模型为p=ex/(1+ex),x=-4.146+0.041×年龄+2.226×密度-1.053×瘤肺界面+1.211×分叶+2.579×血管集束征+1.954×胸膜牵拉征+0.286×SUVmax。数学模型区分SPN良、恶性的ROC曲线下面积(AUC)为0.889±0.025,显著高于单纯SUVmax(AUC=0.729±0.038,P<0.05)。结论:利用二元Logistic回归建立的18FDG PET/CT区分SPN良、恶性的数学模型有很高的诊断准确率。     

CT征象联合肿瘤标志物对孤立性肺结节良恶性的鉴别诊断分析

目的 探讨CT征象联合肿瘤标志物对孤立性肺结节良恶性的鉴别诊断价值.方法 选取70例孤立性肺结节患者,行高分辨率CT、肿瘤标志物检查及病理检查.以病理组织学检查结果分为恶性结节组39例,良性结节组31例,对比两组CT征象和肿瘤标志物水平差异,运用受试者工作特征曲线(ROC)分析CT联合肿瘤标志物检测鉴别孤立性肺结节良恶...     

Rapidly destructive osteoarthritis of the hip: MR imaging findings

OBJECTIVE: The purpose of our study was to use an artificial neural network to differentiate benign from malignant pulmonary nodules on high-resolution CT findings and to evaluate the effect of artificial neural network output on the performance of radiologists using receiver operating characteristic analysis. MATERIALS AND METHODS: We selected 155 cases with pulmonary nodules less than 3 cm (99 malignant nodules and 56 benign nodules). An artificial neural network was used to distinguish benign from malignant nodules on the basis of seven clinical parameters and 16 radiologic findings that were extracted by attending radiologists using subjective rating scales. In the observer test, 12 radiologists (four attending radiologists, four radiology fellows, and four radiology residents) were presented with high-resolution CT images, first without and then with the artificial neural network output. Observer performance was evaluated by means of receiver operating characteristic analysis using a continuous rating scale. RESULTS: The artificial neural network showed a high performance in differentiating benign from malignant pulmonary nodules (A(z) = 0.951). The average A(z) value for all radiologists increased by a statistically significant level, from 0.831 to 0.959, with the use of the artificial neural network output. CONCLUSION: Our computerized scheme using the artificial neural network can improve the diagnostic accuracy of radiologists who are differentiating benign from malignant pulmonary nodules on high-resolution CT.     

双能CT虚拟平扫鉴别良恶性孤立肺结节的临床应用价值

目的：探讨双能CT虚拟平扫技术鉴别孤立性肺结节(SPN)良恶性的准确性及辐射剂量。方法 61例SPN患者,其中经病理证实恶性39例,良性18例。经对比增强双能CT扫描,使用Liver VNC处理程序测量虚拟平扫图像和增强图像中SPN的CT值,同时获得两者差值。将CT值差值≥20 HU的SPN确定为恶性,计算诊断准确性。使用配对t检验对其中28例患者的常规CT平扫和虚拟平扫图像的噪声进行评价(1 ～5)分,使用Mann- Whitney U检验对图像质量及每例患者的辐射剂量进行评价。结果 使用虚拟平扫图像为基线进行SPN良、恶性判断的敏感度、特异度、准确度分别为89.7％( 35/39)、72.2％ (13/18)、84.2％ (48/57)。常规平扫图像和虚拟平扫图像的噪声分别为(8.49±1.94)、(10.14±2.18) HU,t ＝9.45,P＜0.01;图像质量评分分别为(4.71±0.46)、(4.42±0.57)分,U＝290.00,P＞0.05。单次常规平扫和双能CT扫描患者接受辐射的有效剂量分别为(3.72±0.48)、(3.78±0.45) mSv,U＝350.50,P＞0.05。结论 双能CT胸部扫描可有效降低对患者的放射性辐射;以虚拟平扫图像为基线判断SPN的良恶性具有较高的准确性。     

孤立性肺结节CT征像在鉴别良恶性结节中的价值

目的探讨孤立性肺结节的各种CT征像对良恶性结节鉴别的意义。方法选取41例术后病理结果的孤立性肺结节CT征像,依据病理结果把病例分成恶性结节组23例,良性结节组18例,对两组患者的性别、年龄及结节直径对比分析,对孤立性肺结节的毛刺征、分叶征、胸膜尾征、血管集束征、空泡征、磨玻璃结节及钙化等CT征像进行单一CT征像及组合CT征像对比分析。结果两组中患者性别差异无统计学意义,平均年龄差异有统计学意义(P=0.006),结节平均直径差异无统计学意义,单一CT征像比较,分叶征、血管集束征、磨玻璃结节及钙化差异有统计学意义(P值均<0.05),而毛刺征、胸膜尾征及空泡征差异无统计学意义(P值均>0.05),组合CT征像比较,毛刺征+分叶征、胸膜尾征+血管集束征、毛刺征+分叶征+胸膜尾征、毛刺征+分叶征+血管集束征、毛刺征+分叶征+胸膜尾征+血管集束征均差异有统计学意义(P值均<0.05),毛刺征+分叶征+空泡征差异无统计学意义(P值>0.05)。结论单一CT征像对孤立性肺结节的良恶性鉴别有一定的意义,而多种组合CT征像对孤立性肺结节的良恶性鉴别更有意义,诊断符合率明显提高。     

基于PET/CT、HRCT特征的评分系统鉴别诊断孤立性肺部病变的临床研究

目的 探讨基于PET/CT、HRCT影像学特征的评分系统对孤立性肺部良恶性病变的诊断价值。方法 回顾性分析行PET/CT检查的孤立性占位性肺病变112例,其中良性病变44例,恶性病变68例。对孤立性肺病变的12项PET/CT及HRCT影像特征进行评估,初步建立量化分级系统,采用受试者工作特征（ROC）曲线分析良恶性病变的最佳诊断评分临界值。结果 PET/CT及HRCT预测孤立性肺部病变的指标包括年龄≥60岁（2分）、病灶大小≥1.0 cm（2分）、密度不均匀（2分）、边界清楚（1分）、SUV_max≥2.5（2分）、ΔSUV_max≥1.0（2分）、滞留指数≥15%（2分）、分叶征（3分）、毛刺征（3分）、胸膜牵拉征（3分）、空泡征（3分）。根据各项指标建立评分系统,随着评分增加,恶性率逐渐增高,通过ROC曲线得出12分为区分良、恶性病变的最佳临界点,灵敏度为92.6%,特异度为81.8%。结论 基于PET/CT、HRCT影像学特征的量化分级系统有助于鉴别孤立性肺部良恶性病变。     

Computer-aided diagnosis to distinguish benign from malignant solitary pulmonary nodules on radiographs: ROC analysis of radiologists' performance--initial experience

PURPOSE: To evaluate radiologists' performance for determining a distinction between benign and malignant pulmonary nodules on chest radiographs without and with use of a computer-aided diagnosis scheme. MATERIALS AND METHODS: Fifty-three chest radiographs that depicted 31 primary lung cancers and 22 benign nodules were used. The likelihood measure of malignancy for each nodule was determined by using an automated computerized scheme. Sixteen radiologists (nine attending radiologists and seven radiology residents) participated in an observer study in which cases were interpreted first without and then with use of the scheme. The radiologists' performance was evaluated with receiver operating characteristic analysis. RESULTS: The mean area under the best-fit binormal receiver operating characteristic curve plotted in the unit square (Az) values of radiologists who interpreted images without and with the scheme were 0.743 and 0.817, respectively. The performance of radiologists was improved significantly when the scheme was used (P =.002). However, the performance (Az = 0.889) of the computer alone exceeded these results by a substantial margin. The average change in radiologists' confidence level for interpretation without and with the scheme was highly correlated (r = 0.845) with the likelihood measure of malignancy, which was presented as computer output. CONCLUSION: This scheme for computer-aided diagnosis has the potential to improve the accuracy of radiologists' performance in the classification of benign and malignant solitary pulmonary nodules.     

CT支气管征对周围型肺孤立性病灶的诊断价值

目的 探讨CT支气管征对周围型肺孤立性病灶的鉴别诊断价值.方法 对111例周围型肺孤立性病灶患者进行螺旋CT扫描并进行后处理重组,分析病灶与支气管关系类型,并进行X2检验,比较其在良、恶性病灶间的差异.结果 周围型肺孤立性病灶支气管边缘截断率在恶性病变(47/95,49.5%)明显高于良性(10/42,23.8%)(X2=7.896,P＜0.05),Ⅰ、Ⅱ型支气管充气征在恶性病变(分别为10/11、8/9)出现率高于良性(分别为1/11、1/9;X2值分别为6.975、4.818,P＜0.05),而Ⅳ型在良性病变(12/17)的出现率明显高于恶性(5/17;X2=7.390,P＜0.05);支气管在病灶边缘走行、支气管牵拉移位在良性(9/24、1/4)、恶性病灶(15/24、3/4)间差异无统计学意义(X2值分别为0.641,0.062,P＞0.05);管壁局限性增厚在恶性病变(21/22)出现率高于良性(1/22;X2=4.185,P＜0.05),而广泛性增厚在良性病变(4/7)出现率明显高于恶性(3/7;X2=8.650,P＜0.05).结论 CT支气管征对周围型肺孤立性病灶良、恶性的鉴别有重要价值.     

长期吸烟者合并肺纤维化的孤立性肺结节18F-FDG PET/CT恶性风险预测模型的建立

目的构建并验证长期吸烟者肺间质纤维化背景下的孤立性肺结节(SPNs)18F-脱氧葡萄糖(FDG)PET/CT恶性风险预测模型。方法收集2011年1月至2019年12月间于青岛大学附属医院PET/CT中心行18F-FDG PET/CT显像,且有明确吸烟史、同机CT示有肺间质纤维化合并SPNs的169例患者进行回顾性分析,均为男性,年龄68(63,75)岁。以病理学诊断结果或肺内病灶随访的影像学资料(随访时间≥2年)为标准,判断结节良恶性;运用χ²检验、Mann-Whitney U检验比较良恶性病灶的临床特征(年龄、吸烟指数)、形态特征(病灶最大径、密度、位置、分布、与纤维化区域相对位置、毛刺征、分叶征、钙化、空泡征、血管集束征、胸膜凹陷征、肺气肿及双肺纤维化严重程度)和代谢特征[病灶最大标准摄取值(SUVmax)],将具有统计学意义的差异变量纳入多因素logistic回归,筛选结节恶性的独立危险因素并建立风险预测模型。以受试者工作特征(ROC)曲线的曲线下面积(AUC)及k折交叉验证(k=10)验证模型。结果共发现SPNs 222个,其中恶性157个、良性65个。单因素分析显示,吸烟指数,结节是否伴毛刺征、分叶征、血管集束征、钙化、肺气肿,结节大小,与纤维化区域的相对位置,SUV_max,双肺纤维化严重程度在良恶性结节中差异均有统计学意义(z值:2.514~9.858,χ²值:4.353~18.442,均P<0.05)。多因素logistic回归分析显示,钙化、血管集束征及SUV_max为肺间质纤维化背景下恶性结节的独立危险因素[比值比(OR):0.048~2.534,均P<0.05],据此构建的预测模型为:恶性概率P=1/(1+e-x),x=-1.839-3.033×钙化+0.930×血管集束征+0.754×SUV_max(结节具有钙化或血管集束征赋值为1,否则赋值为0)。自身验证ROC曲线下面积为0.932(95%CI:0.895~0.969),模型灵敏度、特异性分别为87.9%、86.2%。k折交叉验证示,测试组预测准确性为0.847±0.075,训练组预测准确性为0.862±0.010。结论钙化、血管集束征和SUVmax是长期吸烟者肺间质纤维化背景下恶性SPNs的独立危险因素,基于上述指标的模型判断恶性SPNs具有较高的诊断效能。     

Computerized analysis of the likelihood of malignancy in solitary pulmonary nodules with use of artificial neural networks

PURPOSE: To develop a computer-aided diagnostic scheme by using an artificial neural network (ANN) to assist radiologists in the distinction of benign and malignant pulmonary nodules. MATERIALS AND METHODS: Fifty-six chest radiographs of 34 primary lung cancers and 22 benign nodules were digitized with a 0.175-mm pixel size and a 10-bit gray scale. Eight subjective image features were evaluated and recorded by radiologists in each case. A computerized method was developed to extract objective features that could be correlated with the subjective features. An ANN was used to distinguish benign from malignant nodules on the basis of subjective or objective features. The performance of the ANN was compared with that of the radiologists by means of receiver operating characteristic (ROC) analysis. RESULTS: Performance of the ANN was considerably greater with objective features (area under the ROC curve, Az = 0.854) than with subjective features (Az = 0.761). Performance of the ANN was also greater than that of the radiologists (Az = 0.752). CONCLUSION: The computerized scheme has the potential to improve the diagnostic accuracy of radiologists in the distinction of benign and malignant solitary pulmonary nodules.