Radiology：深度学习算法在胸部CT肺间质性疾病诊断中的应用于

间质性结核病(ILD)仅限于一大部分异质性气管哮喘，该类哮喘在医学乏善可陈和气管外科乏善可陈来进行上有一定重叠。实时CT是病患ILD的常规外科手段。然而，在CT上对ILD完成外科评估需要较多知识和专业性，即使在有知识的放射科医师之间也存在相当大的差异。

最近，剖面努力学习核心技术已被广泛使用于医学各个交叉学科。基于内容的图片索引（CBIR）是一个强大的图片搜索引擎，不具备形态学、索引和从在线之中索引图片等多个基本功能。当使用CBIR完成ILD病患时，在CT上对ILD的区域哮喘来进行的系统会定量和形态学可以统合到转发图片和在线之中的图片之间的完全相同度量度之中，这将有效地提升放射科医师或医学医师的病患精确度。然而，大多有深入研究适用CBIR作为解读ILD CT图片的病患比较简单。

近日，刊登在Radiology杂志的一项深入研究开发了一个相结合了基于剖面努力学习的ILD CT图片的来进行形态学的系统会化CBIR，并实质性揭示了所提出有CBIR子系统应该能够协助不具备有所不同知识水平的阅受众完成ILD的病患，为ILD的短时间、准确且充分的病患发放了强有力的核心技术全力支持。

本项回顾性深入研究纳入了2000年1同月至2015年12同月期间具体的经多交叉学科发表意见的、不具备可用CT图片的ILD症状。在线由四个哮喘一般来说组成：一般而言间质性肺炎（UIP）、非特异性间质性肺炎（NSIP）、隐源性组织性肺炎和慢性超敏性肺炎。从在线之中选择了80名症状作为评估对象。拟议的CBIR通过比较剖面努力学习算法定量的有所不同区域哮喘来进行的层面和常见于，从在线之中索引出有带有病患的前三名相同CT图片。在使用CBIR之前和最后，八位不具备有所不同知识的阅受众在相隔两周的两次阅读内阁会议上对转发的CT图片完成判析，并发放了他们最可能的病患。适用McNemar检验和笼统预估方程分析了病患精确度，适用Fleiss κ分析了阅受众之间的相容性。

共纳入288名症状（平均年龄，58岁±11[标准差]；145名女性）。使用CBIR后，所有受众的总体病患精确度都有所提升（CBIR前，46.1% [95% CI: 37.1, 55.3]；CBIR后，60.9% [95% CI: 51.8, 69.3]；P < .001）。就哮喘一般来说而言，使用CBIR后，UIP（CBIR前与CBIR后，分别为52.4%与72.8%；P < .001）和NSIP确诊（CBIR前与CBIR后，分别为42.9%与61.6%；P < .001）的病患精确度得到提升。CBIR后，阅受众之间的相容性有所提升（CBIR前与CBIR后Fleiss κ，分别为0.32 vs 0.47；P = .005）。

图CBIR子系统的用户界面。CBIR子系统根据量度的完全相同度索引出有三张完全相同的CT图片，并展出有了带有确诊的索引结果（黄框）。拟议的CBIR子系统的用户界面逐一并排显示转发的CT和索引的图片，以便于比较。

总之，本深入研究所提出有的基于内容的脸部CT图片索引子系统通过适用剖面努力学习可以提升间质性结核病（ILD）的病患精确度和有所不同知识水平的阅受众之间的相容性。该子系统有望为缺乏脸部影像专业性或ILD确诊稀疏的之中心发放外科判析全力支持。

原文出有处：

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