数字胸片多频域后处理对计算机辅助检测系统肺结节检测的影响

目的评价数字胸片多频域后处理对计算机辅助检测(CAD)系统肺结节检出的影响。方法对经CT证实的54例肺结节病例及54例正常者的数字胸片选择三种不同的structure preference参数进行多频域后处理,在1次曝光的条件下各得到标准图像、高通过图像及低通过图像三组图像,然后,采用计算机辅助检测系统(IQQATM-Chest V1.2)进行阅片,首先由2名观察者共同根据CT结果客观分析并记录CAD检出的结节数及假阳性数。其次,由另外4名观察者(高年资及低年资放射医师各2名)应用CAD系统所提供的肺结节的智能质量和数量分析功能,对CAD输出图像独立进行分析,并记录检出结节数及假阳性数,采用受试者操作特征(ROC)曲线分析观察结果。结果三组图像中,低通过组图像的平均ROC曲线下面积最大,人-机交互前、高年资及低年资人-机交互后的平均ROC曲线下面积分别为0.77、0.81、0.80。高通过组图像的平均ROC曲线下面积为最小,人-机交互前、高年资及低年资人-机交互后的平均ROC曲线下面积分别为0.57、0.67、0.71。三组图像的平均ROC曲线下面积存在差异(P<0.01)。结论数字胸片多频域后处理影响计算机辅助检测系统肺结节的检出。     

数字化X线胸片计算机辅助检测对肺结节检出率的影响

目的 探讨计算机辅助检测(CAD)系统对X线胸片肺结节检出率的影响.方法选取经CT检查的肺内结节患者70例和100名正常者的数字化胸片,由2名专家组医生参照CT片,阅读相应胸片并标记结节部位,意见达成一致后得出结论,将该结论与CAD系统产生的假阳性结节组合模拟成三类敏感度已知(50%、75%和 100%)的CAD检测结果.另外6名放射科医生(2名高年资,4名低年资)分别在不用和应用CAD辅助的情况下阅读胸片,并得出结论.结果 应用CAD系统后,所有医生的检测敏感性均得到显著提高;低年资医生检测敏感性提高的幅度大于高年资医生;不同敏感度的CAD系统对医生检测敏感性的提高程度有显著差异,但多重比较结果表明100%与75%敏感度的CAD系统对医生检测敏感性提高的影响无显著区别.结论 CAD可显著提高影像诊断医生的检测敏感性.CAD系统存在一个敏感度临界点,提高CAD系统的敏感度并不一定能够显著提高医生的检测敏感性.     

胸部DR影像后处理对肺结节检出的影响

目的评价DR影像多频域后处理方式对肺内结节检出的影响。方法选取经胸部CT证实的50例有肺内结节和50例正常者的DR正位胸片,采用多频域后处理得到标准、高通过及低通过3组图像,由低、中、高年资医师各2名进行评价,评价结果用受试着工作特征(ROC)曲线进行统计分析。结果标准、高通过及低通过3组图像ROC曲线下面积分别为0.739±0.019、0.697±0.020、0.789±0.017(P<0.05),三组中,低通过组结节检出率最高,高通过组结节检出率最低、假阴性率最高,标准组假阳性率最高。结论DR影像多频域后处理对肺结节的检出有影响,低频增强处理可以提高肺结节的检出率,高频增强处理漏诊率增加。     

肺结节的计算机辅助检测

目的:评价计算机辅助检测系统(CAD)对肺内单发结节的诊断价值。方法:从受检病人中随机抽取150例肺部直径约9~30mm单发结节的病例为试验组。所有肺结节病灶均经病理证实。另从健康体检人群中随机抽取150个年龄、性别构成与受检组相仿的病例作为对照组。两组胸片均经CT证实,并由多位放射学专家共同诊断。所有胸片均通过数字化放射成像(DR)获得。由5位高年资影像诊断医生和5位低年资影像诊断医生作为观测者分别对不用和用CAD输出图像的胸片进行诊断。观察者积分用受试者操作特性(ROC)曲线分析来衡量。结果:平均ROC曲线下面积从不用CAD输出图像的0.766到用CAD输出图像的0.833, 两者有统计学显著性差异(P<0.05)。在使用CAD输出图像时,低年资影像诊断医生比高年资影像诊断医生的平均ROC曲线下面积增加的更多。结论:运用DR所配置的CAD系统能帮助影像诊断医生提高对肺结节性病灶的检出率。     

两种胸片摄影方法对肺结节诊断效果对比分析

目的评价常规直接数字化X线摄影（DR）与增感屏摄影系统（CR）胸片对肺结节诊断效果,为合理应用DR摄影技术提供依据。方法选择2007年2月至2012年1月该院收治的肺结节病例300例,低年资医师与高年资医师对所有患者进行DR与CR胸片检查,同时进行 ROC曲线分析。结果高年资放射医师与低年资放射医师对于DR图像的Az值判定明显高于CR图像（P＜0．05）,DR胸片 ROC曲线较CR胸片明显上移。在肺结节3～6 mm和7～10 mm组,DR的结节检出率明显高于CR（P＜0．05）;而在11～14 mm ,15～20 mm ,DR的结节检出率高于CR ,但是比较差异无统计学意义（P＞0．05）。结论 DR胸片较CR胸片能明显提高医师对肺结节的鉴别能力,尤其在检出肺微小结节方面,从而显著提高肺结节的检出效能。     

基于虚拟双能量减影软组织胸片生成技术计算机辅助检测肺结节

目的 探讨基于虚拟双能量减影软组织胸片生成技术计算机辅助检测肺结节的应用价值。方法 收集日本放射技术学会(JSRT)数据库中经CT检出的肺结节126个,对比虚拟双能量减影软组织胸片及未结合虚拟双能量减影软组织胸片对肺结节的检出率。结果 结合虚拟双能量减影软组织胸片生成技术,辅助检测系统,在平均每幅图4.5个假阳性水平下可检出80.16％(101/126)的结节;未结合虚拟双能量减影软组织胸片的原检测系统,在平均每幅图4.5个假阳性水平下检出72.22％(91/126)的结节。结论 基于虚拟双能量减影软组织胸片生成技术计算机辅助检测有助于提高肺结节检出率。     

应用双能量数字减影胸片评价模拟胸部结节性病变:ROC曲线分析

目的用受试者操作特性(ROC)曲线评价双能量数字减影正位胸片在检出模拟胸部结节性病变中的价值.方法20名正常成年志愿者前胸粘贴模拟结节,拍摄双能量数字减影正位胸片,应用ROC分析比较常规DR胸片与减影后软组织图像的诊断结果.结果高、低年资医师组,软组织图像的曲线下面积均大于常规DR胸片,两种方法有显著性差异;软组织图像对高年资医师组帮助较大.结论双能量数字减影技术可减少肺野内骨骼及其他钙化影响,对胸部结节性病变的检出能力高于常规DR胸片.     

颅内上皮样血管内皮瘤1例

目的 针对目前基于胸部CT图像的肺结节自动检测方法的检出率较低且存在大量假阳性的问题,提出一种基于卷积神经网络的肺结节检测方法。方法 采用基于模糊建模思想和迭代相对模糊连接度（IRFC）算法的自动解剖识别（AAR）方法分割肺部CT图像,提取肺部实体部分;将分割后的图像输入卷积神经网络,提取肺结节特征;采用位置敏感特征图表达结节的位置信息。结果 使用天池医疗AI大赛数据集,精准分割肺部CT图像,检测肺结节的准确率、敏感度、特异度和假阳性率分别为95.60%、95.24%、95.97%和4.03%。结论 基于卷积神经网络检测肺结节有较高的精度和效率,且鲁棒性好。     

不同CT图像重建算法下基于深度学习的肺结节检测算法效能

目的 探索CT图像重建算法对于基于深度学习（DL）的肺结节检测算法的影响。方法 选取298例接受肺部CT检查患者,依次采用肺窗重建、纵隔重建、骨窗重建3种算法重建CT图像。先由2名主治医师对入组病例进行标注,结果不一致时由1名高年资医师进行审核,以结果作为金标准。以深度神经网络为基础构建肺结节检测算法,与医师标注结果进行比对,得到算法在不同重建方法下检出肺结节的敏感度、准确率、F分数等指标以及模型检出的假阳性分布,对比分析模型在不同CT图像重建算法下的诊断效果。结果 基于DL的肺结节检测算法在肺重建、纵隔重建和骨重建3种重建方法下的敏感度分别为92.33%（313/339）、86.97%（287/330）及92.73%（319/344）,准确率分别为23.55%（313/1 329）、37.91%（287/757）及27.84%（319/1 146）,F分数分别为0.38、0.53及0.43,3种算法重建下模型检出敏感度、模型误检结节类型与医师漏标结节类型差异均无统计学意义（P均>0.05）。结论 基于DL的肺结节检测算法在肺窗、纵隔和骨窗重建下均性能优良,能帮助医生提高工作效率和诊断质量。     

双能量减影和计算机辅助诊断在DR胸片中检出肺结节的意义

目的探讨双能量减影和计算机辅助诊断在DR胸片中检出肺结节的意义。方法21例经CT检查证实肺内有小结节的患者,分析使用双能量减影和计算机辅助诊断与不使用任何软件技术的常规DR胸片阅读的比较,评价使用双能量减影和计算机辅助诊断的临床诊断意义。结果使用双能量减影和计算机辅助诊断与不使用任何软件技术的常规DR胸片阅读中肺结节的检出差异有统计学意义（P〈0．05）。结论使用双能量减影和计算机辅助诊断对DR胸片中提高肺结节的检出有一定的价值,是常规DR有益的补充。     

基于卷积神经网络检测肺结节

Objective Major challenges in the current automatic detection of lung nodules from chest CT images are to improve the sensitivity and to reduce the false positive rate. A new scheme based on convolutional neural network was proposed in this study. Methods The method applied an automatic anatomy recognition (AAR) methodology based on fuzzy modeling ideas and an iterative relative fuzzy connectedness (IRFC) delineation algorithm for the segmentation of lung parenchyma in CT images. The segmented lung image was inputted into the conventional neural networks for feature extraction of pulmonary nodules. The network adopted position-sensitive score maps to express the location information of lung nodules. Results This method could obtain accurate segmentation of the lung parenchyma in the data set of Tianchi Medical AI Contest, and the accuracy, sensitivity, specificity and false-positive rate of lung nodules detected was 95.60%, 95.24%, 95.97% and 4.03%, respectively. Conclusion Detection of pulmonary nodules based on convolutional neural networks has high accuracy and efficiency, and good robustness.     

Computerized detection of pulmonary nodules in chest radiographs based on morphological features and wavelet snake model

We have developed a new computer-aided diagnosis scheme for automated detection of lung nodules in digital chest radiographs based on a combination of morphological features and the wavelet snake. In our scheme, two processes were applied in parallel to reduce the false-positive detections after initial nodule candidates were selected. One process consisted of adaptive filtering for enhancement of nodules and suppression of normal lung structures, followed by extraction of conventional morphological features. The other process consisted of a novel approach for elimination of false positives called the edge-guided wavelet snake model. In the latter process, multiscale edges of the candidate nodules were extracted to yield parts of the nodule boundaries. A wavelet snake was then used for fitting of these multiscale edges for approximation of the true boundaries of nodules. A boundary feature called the weighted overlap between the snake and the multiscale edges was calculated and used for elimination of false positives. Finally, the weighted overlap and the morphological features were combined by use of an artificial neural network for efficient reduction of false positives. Our scheme was applied to a publicly available database of digital chest images for pulmonary nodules. Receiver operating characteristic analysis was employed for evaluation of the performance of each process in the scheme. The combined features yielded a large reduction of false positives, and thus achieved a high performance in discriminating between true and false positives. These results show that our new method, in particular the false-positive reduction method based on the wavelet snake, is effective in improving the performance of a computerized scheme for detection of pulmonary nodules in chest radiographs.     

比较数字断层融合与数字X线摄影检出模拟肺结节的能力

目的利用仿真体模对比分析数字断层融合(DTS)与数字X线摄影(DR)检出模拟肺结节的能力。方法采用五种规格(直径3、5、8、10、12mm)、三种密度(CT值100、-630及-800HU)的模拟肺结节共15个,先后分别置于体模两肺的上、中、下肺野,形成模拟肺结节共计90个(15个×6)。以常规曝光参数分别进行DTS和DR,由2名放射科医师独立评价DTS及DR对肺结节的检出率;测量DTS的辐射剂量,转换为有效剂量,与文献报道的DR有效剂量进行对比。结果 DTS对模拟肺结节的检出率为78.89%(71/90),DR的检出率为28.89%(26/90),DTS检出率高于DR(P<0.01);对于三种不同密度(CT值100、-630和-800HU)的模拟结节,DTS与DR的检出率差异均有统计学意义(P<0.01)。DTS的有效剂量高于文献报道的DR剂量。结论对于肺结节,DTS较DR具有更高的检出率。     

肺部CT图像的结节检测和类型判别准则设计及应用

目的 探讨肺结节自动检测算法和结节类型判别准则对肺结节检测及其类型判别的可行性。方法 首先利用结构分析、高通滤波、高斯拟合实现候选肺结节的检测,然后进行候选结节的假阳性筛除得到肺结节筛查结果。最后,在肺结节检测基础上设计了肺结节类型判别准则自动将肺结节分为磨玻璃样（GGO）、混合型GGO、实性结节三类。结果 本研究对107个肺结节进行实验,其总体检测率为87.85%,将结节分类结果与LIDC数据库的分类进行对比,一致性较高。结论 本文方法可针对不同类型的肺结节进行有效检测并自动分类,进而辅助临床进行肺癌的早期诊断。     

计算机辅助检测系统对数字化乳腺X线图像检测的可重复性

目的 观察计算机辅助检测系统(CAD)检出全数字化乳腺X线图像中良恶性肿块及钙化灶的可重复性。 方法 454例乳腺疾病患者经手术病理证实,其中67例乳腺癌患者于3个月内接受两次乳腺X线检查。比较数字化图像直接获得的CAD结果(CAD1)与两次重新回输原始数据生成的CAD结果(CAD2、CAD3)的一致性,评价CAD系统短期内对乳腺X线图像检测结果的可重复性。 结果 CAD1、CAD2、CAD3在肿块及钙化灶检出的数目及所标记的位置上完全相同。67例短期内两次乳腺X线检查病例中,32例病灶大小、密度未见变化,初次和再次CAD发现恶性病灶的敏感度分别为87.50%(28/32)和90.63%(29/32)。 结论 对于相同的数字化图像,CAD标记的重复率为100%。对于相同乳腺短期内两次X线检查图像,CAD系统检出乳腺癌具有较高的可重复性。     

对比自适应图像接收线圈与常规前部阵列线圈采集肺结节零回波时间序列图像质量

目的 对比以自适应图像接收（AIR）线圈与常规前部阵列（CAA）线圈采集的肺结节零回波时间（ZTE）序列图像质量。方法 采用相同扫描参数,分别以AIR线圈、CAA线圈,对32例CT显示肺结节（共42枚结节,包括16枚实性结节、17枚磨玻璃结节及9枚混杂磨玻璃结节）患者采集ZTE序列图像,获得AIR-ZTE及CAA-ZTE;比较2种图像主动脉弓上份、肺动脉分叉及肺底层面的肺实质信号强度（SI）、肺内血管SI、肺实质信噪比（SNR）及对比度噪声比（CNR）,记录其显示不同成分肺结节数目;以CT结果为标准,比较其结节检出率、SNR及CNR及图像质量主观评分差异。结果 2种图像中,主动脉弓上份、肺动脉分叉及肺底层面肺实质SI、肺内血管SI差异均有统计学意义（P均<0.01）,SNR_肺差异均无统计学意义（P均>0.05）;主动脉弓上份及肺动脉分叉层面CNR_肺差异均有统计学意义（P均<0.05）,肺底层面差异无统计学意义（P>0.05）。CAA-ZTE检出实性结节16枚、磨玻璃结节12枚、混杂磨玻璃结节9枚,AIR-ZTE分别检出16、13及9枚,差异无统计学意义（P>0.05）。2种图像所示磨玻璃结节及混杂磨玻璃结节实性成分的CNR差异均有统计学意义（P均<0.05）,其余图像质量客观指标差异均无统计学意义（P均>0.05）;AIR-ZTE图像质量主观评分高于CAA-ZTE （P<0.05）。结论 以AIR线圈采集的肺结节ZTE图像质量优于CAA线圈。