肺癌是癌症相关死亡的主要原因。虽然肺癌的整体生存率在早期诊断时大大提高，最早的肺癌发病率高达百分之五十以上。早期诊断的生存率显着提高，导致对高风险无症状个体进行筛查，如吸烟者和过去吸烟者。已经发现通过计算机断层扫描进行筛查是一种有效的技术。全国肺部筛查试验发现，与使用投影射线照相进行筛查相比，使用计算机断层扫描筛查肺癌可使肺癌死亡率降低。然而，在进一步评估后，计算机断层扫描结节可疑结节被发现是良性的。这些误报导致不必要的侵入性随访程序和费用，同时给患者带来额外的情绪压力。
　　 为了减少假阳性的数量，寻求计算机辅助诊断工具以基于客观测量或特征来确定肺结节的恶性概率。计算机辅助诊断工具有可能通过充当放射科医师的第二个读者来提高结节分类的准确性。计算机辅助诊断工具包括两个途径。在训练途径中，从已知结果的感兴趣区域中提取特征，分析并选择最佳分类。然后使用这些选定的特征来训练分类器。测试途径需要具有未知结果的区域。在训练路径中选择的特征从未知区域中提取并传递给分类器，从而产生预测结果。
　　 由于良性和恶性肺结节与周围肺实质的相互作用不同，假设肺结节的定量计算机断层扫描计算机辅助诊断分类可以通过包括结节周围肺实质的特征来改善。开发用于识别肺癌的计算机辅助诊断工具是一个以多种方式进行探索的主题; 然而，目前的计算机辅助诊断方法主要集中在肺结节本身。在回顾当前文献时，已发现结节的大小，强度，形状，质地和位置都是确定肺结节诊断的重要特征。几种方法已被用于表征结节包括球形的形状和紧凑性，以及多边形形状的定性描述符，边缘特性和有毛刺的存在。的结节的质地也已通过不同的技术，例如共现基于矩阵的参数和运行长度统计定量。纹理也通过放射科医师评分系统确定。虽然这些特征可容易地从感兴趣区，计算诸如衰减特性的体积和尺寸和球形度的其它特征已根据用户已经指定的输入-如毛刺的存在，以及如何定义良好的结节的利润率。总之，尽管结节与周围薄壁组织相互作用，但分类中使用的大部分特征仅来自结节。
　　 来自计算机断层扫描成像的体积数据有助于早期检测需要随访的小肺结节，通常采用重复计算机断层扫描成像来追踪结节生长，作为恶性肿瘤的指标。一种敏感的计算机辅助诊断工具能够识别那些恶性肿瘤风险非常低的小结节，可以最大限度地减少重复计算机断层扫描成像，从而减少这一人群的辐射照射。然而，对于早期识别的肺结节，实体肿瘤内的计算机断层扫描数据体素数量有限，使得它们难以通过传统的计算机辅助诊断工具进行处理。
　　 现有的计算机辅助诊断工具主要关注来自结节的特征。由于肺结节内计算机断层扫描体素的数量有限，这些计算机辅助诊断工具可能受到早期检测到的病变的挑战。试图通过结合薄壁组织衍生的特征来克服这一挑战。临床适用性的翻译也是该计算机辅助诊断工具的目标：当实施肺癌筛查程序时，需要结构分类方法，其在计算机断层扫描扫描仪制造商和图像采集协议之间的差异方面表现良好。这样的系统将能够作为放射科医师的第二读者，提供对所讨论的结节的定量评估以及放射科医师可以将其纳入结节的管理计划中的恶化可能性测量。通过利用薄壁组织和结节的特征，并结合使用各种扫描方案收集的数据，开发了一个强大的分类工具。对分类器的比较发现，使用结节和实质特征训练的人工神经网络与使用仅来自结节的特征的性能相比，趋向于提高准确性、特异性、这支持了可以捕获有价值信息的前提通过包括实质特征。
　　 不同的计算机断层扫描扫描仪制造商具有独立的技术和重建算法，这些技术和重建算法可以影响从计算机断层扫描数据获得的定量的，密度相关的灰度级。计算机断层扫描数据中制造商可变性的问题不仅发生在多中心试验中，而且随着肺癌筛查变得更加普遍，也将发挥更大的作用。除了计算机断层扫描扫描仪制造商的数据多样性之外，还有其他几个因素会影响、计算机断层扫描肺部测量，包括患者定位，最大电压，管电流、时间乘积和重建方法。例如，随着时间乘积的增加，噪声量减少，从而改变图像内捕获的纹理。通过包括使用各种参数收集的扫描，对设计的计算机辅助诊断工具提出了挑战：尽管该队列中的计算机断层扫描采集协议可变性，但所选择的特征实现了高性能。
　　 在特征提取中，试图通过三维提取特征来利用数据的体积性质。报告描述了以多种方式扩展卷积核的技术，包括扩展到三维。另一项研究研究用法律的应用程序来预测腺癌肺肿瘤预后，发现腺癌的高风险，中等风险患者之间没有显著差异。扩大了铃木所描述的工作基于从原始计算机断层扫描数据获得的二元掩模，总结为结节和薄壁组织特征旋转不变的纹理图像堆栈。发现结节的纹理在恶性和良性病例之间没有显着差异; 然而，当检查薄壁组织时，纹理特征是显着的。相信当病变侵入实质时，纹理可以量化实质内的血管形成，肿瘤毛刺和实质组织压缩。
　　 从特征选择过程来看，薄壁组织的纹理特征是分离诊断的关键组成部分。在统计测试期间，还发现其他实质特征是重要的，包括实质强度的变化和峰度以及含有结节的肺的第三个的峰度。这些观察结果支持这样的假设：包含来自周围实质的特征可以帮助分类恶性和良性结节。此外，当单独观察结节时，从该拉直图像中提取的特征具有统计学意义，表明从质心修改的边界矫正产生了对边界特征的有效分析。
　　 实际特征对分类的影响对于计算机辅助诊断工具开发的肺肿瘤的大小也是重要的。开发计算机辅助诊断工具是为了帮助对结节进行分类，在计算机断层扫描中检测到的病变最大直径。适用于小肺结节，可以通过计算机断层扫描数据计算结节特征的体素数量是有限的。通过显示实质特征有助于可能的诊断，可以在特征提取中使用的体素的数量增加。另外，包含实质特征量化了结节与其周围环境的反应。这些特征的重要性进一步表明，通过单独检查结节，有价值的分类数据被忽略。
　　 在队列中，恶性和良性结节之间存在统计学上显着的大小差异。队列包括来自全国肺部筛查试验的结节病例。本研究中包括的大多数结节是在第一个计算机断层扫描时间点检测到的。这被称为流行时间点：在该基线扫描中检测到的结节不能区分无症状的现有疾病和早期新发现的结节。由于恶性结节通常快速生长，这些结节在检测时往往更大。然而，每年进行一次肺癌筛查，目的是检测新发现的恶性结节，当它们很小并局部化时。用于该筛查群体的最有价值的计算机辅助诊断工具将有助于计算机断层扫描鉴定的结节的早期诊断，而无需纵向随访成像和生长模式数据，因此消除了群组之间的尺寸偏差。虽然仅由结节构建的人工神经网络分类器依赖于最大结节直径特征，但考虑到周围薄壁组织的分类器并不依赖于尺寸作为特征。认为这表明该计算机辅助诊断工具在流行率和后续筛选时间点的性能稳定性的潜力。考虑到周围薄壁组织的分类器并不依赖于尺寸作为特征。
　　 人工神经网络分类方法采用了利用多数表决的逐步前向选择方法。该方法旨在利用较小的训练数据集，同时仍允许选择最大数量的特征而不会导致过度拟合或过度训练。虽然通过结合实质特征报告了计算机辅助诊断表现增加的趋势，但本研究中适度的样本量不允许证明的统计学显着改善。目前正在收集一个回顾性临床队列，该计算机辅助诊断方法将应用于更大的队列中进一步测试和验证。
　　 本研究中的结节病例是手动分割的，这是一个耗时的过程。然而，尽管三个独立用户进行了单独的分割，但仍然展示了功能的稳定性，作为支持系统在未来适应自动或半自动分割方法的适应性。
　　 确保病例诊断的准确真实性始终是计算机辅助诊断开发中的主要问题。但肺癌的鉴定和确定是次要目的，直到最近，它仍然严重依赖于参与者报告。然而，最近已经获得了对肺癌患者的临床诊断，分类和治疗方法的收集的支持。这个正在进行的项目已经确认了该队列的22个恶性结节中的18个的肺癌诊断。此外，将继续扩大队列中的结节数量，以更好地评估不同分类器性能的统计显着性。
　　 在这项研究中，报告了一种扩展的特征提取方法的发展和伴随的人工神经网络 计算机辅助诊断方法用于计算机断层扫描检测的肺结节; 结合计算机断层扫描特征不仅来自固体结节，还来自周围的肺组织。得到的人工神经网络分类器基于五个特征 - 两个结节强度特征，一个尺寸特征和两个薄壁组织强度特征，也可以量化纹理并导致出色的肺结节分类。虽然当包括全局特征时未得到改善，但结节，周围和全球人工神经网络的得到改善。仅包含结核特征的人工神经网络工具实现了较低的性能值。由于适度的样本量，该研究的动力不足以显示系统的最终值的统计学显着改善。然而，当包括薄壁组织时，性能提高的趋势，加上大量重要的实质特征表明了开发的，扩展的计算机断层扫描特征集的价值。