Radiology：深度深造算法在胸部CT肺间质性疾病诊断中的应用

间质性肺病(ILD)包括一大部分异质性腹腔传染病，该类传染病在外科展示出和腹腔图片学展示出方式上上有一定交错。高分辨率CT是病症ILD的首选图片学手段。然而，在CT上对ILD顺利完成图片学评估需要相当多潜能和经验，即使在有潜能的放射科医生密切关系也长期存在很大的差别。

最近，深度求学应用已被最常应用领域于外科各个学科。基于素材的缩放索引（CBIR）是一个强大的缩放搜索引擎，较强分类学、索引和从资料库之中索引缩放等多个功能。当应用领域CBIR顺利完成ILD病症时，在CT上对ILD的区域传染病方式上的基本功能定量和分类学可以构建到查询缩放和资料库之中的缩放密切关系的相同度测量之中，这将并能大幅提高放射科医生或外科医生的病症真实性。然而，常常有数据深入研究可用CBIR作为解释ILD CT缩放的病症基本功能。

已对，发表在Radiology杂志的一项数据深入研究开发了一个相辅相成了基于深度求学的ILD CT缩放的方式上分类学的基本功能化CBIR，并全面探讨了所提出CBIR系统设计确实只能借此机会较强多种不同潜能相比较的选读者顺利完成ILD的病症，为ILD的快速、准确且合理的病症缺少了强有力的科研人员。

本项回顾性数据深入研究不属于了2000年1年初至2015年12年初此后确定的经多学科争论的、较强可用CT缩放的ILD患者。资料库由四个传染病一般而言分成：普通间质性肺炎（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。从资料库之中同样了80名患者作为评估都可。分阶段的CBIR通过非常深度求学算法定量的多种不同区域传染病方式上的程度和分布，从资料库之中索引出含有病症的之前三名完全相同CT缩放。在应用领域CBIR之之前和此后，八位较强多种不同潜能的选读者在相距两周的两次选读决议上对查询的CT缩放顺利完成判析，并缺少了他们最确实的病症。可用McNemar检验和广义据估计方程深入研究了病症真实性，可用Fleiss κ深入研究了选读者密切关系的正确性。

共不属于288名患者（平均年龄，58岁±11[平均值]；145名女性）。应用领域CBIR后，所有读者的相比较病症真实性都有所大幅提高（CBIR之前，46.1% [95% CI: 37.1, 55.3]；CBIR后，60.9% [95% CI: 51.8, 69.3]；P < .001）。就传染病一般而言而言，应用领域CBIR后，UIP（CBIR之前与CBIR后，分别为52.4%与72.8%；P < .001）和NSIP病例（CBIR之前与CBIR后，分别为42.9%与61.6%；P < .001）的病症真实性得到大幅提高。CBIR后，选读者密切关系的正确性有所大幅提高（CBIR之前与CBIR后Fleiss κ，分别为0.32 vs 0.47；P = .005）。

三幅CBIR系统设计的应用程序。CBIR系统设计根据测量的相同度索引出三张相同的CT缩放，并展出了含有肺癌的索引结果（黄框）。分阶段的CBIR系统设计的应用程序逐一并排揭示查询的CT和索引的缩放，以便于非常。

总之，本数据深入研究机构提出的基于素材的胸部CT缩放索引系统设计通过可用深度求学可以大幅提高间质性肺病（ILD）的病症真实性和多种不同潜能相比较的选读者密切关系的正确性。该系统设计可望为缺乏胸部图片经验或ILD病例稀少的之中心缺少图片学判析赞成。

原文记事：

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