Radiology：深度学习算法在胸部CT肺间质性疾病诊断中的技术的发展

间质性痢疾(ILD)包括一大部分异质性肺部传染病，该类传染病在黄疸和肺部医学影像表现方式也上有一定重叠。高分辨率CT是病患ILD的首选医学影像方法。然而，在CT上对ILD同步进行医学影像评估并不需要较多成果和资质，即使在有成果的放射科精神科密切关系也存在极大的差别。

近来，最深处学习系统设计已被广泛应用领域于药理学各个学门。基于内容的三幅象索引（CBIR）是一个强大的三幅象web，不具备界定、索引和从数据库中会索引三幅象等多个功能。当应用领域CBIR同步进行ILD病患时，在CT上对ILD的区外传染病方式也的自动举例来说和界定可以统合到核对三幅象和数据库中会的三幅象密切关系的十分相似度测中会，这将有助于进一步提高放射科精神科或药理学精神科的病患比如说性。然而，很少有研究课题应用于CBIR作为解释ILD CT三幅象的病患辅助工具。

近日，发表在Radiology杂志的一项研究课题共同开发了一个相辅相成了基于最深处学习的ILD CT三幅象的方式也界定的自动化CBIR，并进一步探讨了所提成CBIR系统会是否必需协助不具备多种不同成果程度的阅读者同步进行ILD的病患，为ILD的迅速、准确且主观的病患提供了强有力的系统设计赞同。

本项回顾性研究课题划定了2000年1月底至2015年12月底期间明确的经多学门争辩的、不具备比如说CT三幅象的ILD症状。数据库由四个传染病并不一定组成：普通间质性心脏病（UIP）、非特异性间质性心脏病（NSIP）、隐源性组织性心脏病和慢性超敏性心脏病。从数据库中会为了让了80名症状作为评估对象。拟于的CBIR通过比较最深处学习算法举例来说的多种不同区外传染病方式也的程度和分布，从数据库中会索引成带有病患的在此之前三名类似CT三幅象。在应用领域CBIR之在此之前和之前，八位不具备多种不同成果的阅读者在相隔两周的两次阅读会议上对核对的CT三幅象同步进行判析，并提供了他们最可能的病患。应用于McNemar检验和广义估计微分方程深入研究课题了病患比如说性，应用于Fleiss κ深入研究课题了阅读者密切关系的一致性。

合共划定288名症状（平均年龄，58岁±11[标准差]；145名女性）。应用领域CBIR后，所有读者的总体病患比如说性都进一步进一步提高（CBIR在此之前，46.1% [95% CI: 37.1, 55.3]；CBIR后，60.9% [95% CI: 51.8, 69.3]；P < .001）。就传染病并不一定而言，应用领域CBIR后，UIP（CBIR在此之前与CBIR后，分别为52.4%与72.8%；P < .001）和NSIP病例（CBIR在此之前与CBIR后，分别为42.9%与61.6%；P < .001）的病患比如说性得到进一步提高。CBIR后，阅读者密切关系的一致性进一步进一步提高（CBIR在此之前与CBIR后Fleiss κ，分别为0.32 vs 0.47；P = .005）。

三幅CBIR系统会的图形界面。CBIR系统会根据测的十分相似度索引成三张十分相似的CT三幅象，并演示了带有确诊的索引结果（黄框）。拟于的CBIR系统会的图形界面逐一并排显示核对的CT和索引的三幅象，以便于比较。

总之，本研究课题所提成的基于内容的胸部CT三幅象摘要通过应用于最深处学习可以进一步提高间质性痢疾（ILD）的病患比如说性和多种不同成果程度的阅读者密切关系的一致性。该系统会可望为忽视胸部影像资质或ILD病例稀少的其中会心提供医学影像判析赞同。

原文成处：

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