Radiology：深度学习搜索算法在胸部CT肺间质性疾病诊断中的应用

间质性肺病(ILD)有数一大部分异质性呼吸道结核病，该类结核病在临床平庸和呼吸道某类平庸方式也上有一定重叠。高分辨率CT是病因ILD的首选某类手段。然而，在CT上对ILD进行某类分析报告能够较多充分和专业性，即使在有充分的放射科内科医生相互间也长期存在不小的不同。

在在，最深处深造技术已被广泛运用于临床各个学科。基于段落的影像书目（CBIR）是一个强盛的影像的网站，具形态学、书目和从数据源里面书目影像等多个机能。当运用CBIR进行ILD病因时，在CT上对ILD的区域结核病方式也的系统会举例来说和形态学可以结合到查找影像和数据源里面的影像相互间的相像度校准里面，这将有助于提高放射科内科医生或临床内科医生的病因精确性。然而，非常少有研究适用CBIR作为解读ILD CT影像的病因方便适用。

近日，刊登在Radiology杂志的一项研究开发了一个相辅相成了基于最深处深造的ILD CT影像的方式也形态学的系统会化CBIR，并全面探讨了所提出CBIR控制系统是否能够合力具并不相同充分水平的阅读者进行ILD的病因，为ILD的快速、恰当且客观的病因备有了强有力的技术赞成。

本项回顾性研究纳入了2000年1年末至2015年12年末期间确定的经门类讨论的、具可用CT影像的ILD患者。数据源由四个结核病类别分成：普通间质细菌性（UIP）、非特异性间质细菌性（NSIP）、隐源性的组织细菌性和慢性超敏细菌性。从数据源里面同样了80名患者作为分析报告实例。拟于的CBIR通过非常最深处深造解法举例来说的并不相同区域结核病方式也的高度和地理分布，从数据源里面书目出区别于病因的前三名完全相同CT影像。在运用CBIR之前和此后，八位具并不相同充分的阅读者在只差两周的两次阅读全会上对查找的CT影像进行判析，并备有了他们最可能的病因。适用McNemar验和单指估算方程控制系统性了病因精确性，适用Fleiss κ控制系统性了阅读者相互间的不同性。

共有纳入288名患者（平均年龄，58岁±11[均值]；145名女性）。运用CBIR后，所有读者的总体病因精确性都有所提高（CBIR前，46.1% [95% CI: 37.1, 55.3]；CBIR后，60.9% [95% CI: 51.8, 69.3]；P < .001）。就结核病类别而言，运用CBIR后，UIP（CBIR前与CBIR后，分别为52.4%与72.8%；P < .001）和NSIP个案（CBIR前与CBIR后，分别为42.9%与61.6%；P < .001）的病因精确性得到提高。CBIR后，阅读者相互间的不同性有所提高（CBIR前与CBIR后Fleiss κ，分别为0.32 vs 0.47；P = .005）。

上图CBIR控制系统的应用程序。CBIR控制系统根据校准的相像度书目出三张相像的CT影像，并展示了区别于确诊的书目结果（黄框）。拟于的CBIR控制系统的应用程序先前排推测查找的CT和书目的影像，以便于非常。

总之，本研究所提出的基于段落的腰部CT影像书目控制系统通过适用最深处深造可以提高间质性肺病（ILD）的病因精确性和并不相同充分水平的阅读者相互间的不同性。该控制系统可望为缺乏腰部影像专业性或ILD个案密集的里面心备有某类判析赞成。

原文引自：

Jooae Choe,Hye Jeon Hwang,Joon Beom Seo,et al.Content-based Image Retrieval by Using Deep Learning for Interstitial Lung Disease Diagnosis with Chest CT.DOI:10.1148/radiol.2021204164