向放射科医师提供第二意见的计算机辅助诊断系统对于广泛实施计算机断层扫描筛查检查可能是重要的，这些检查可以增强肺癌的早期检测并提高存活率。原型计算机辅助诊断系统已经被证明可以改善在研究上下文放射科医师性能。
　　 除了提供关于结节恶性的第二意见之外，还可以设计计算机辅助诊断系统以向放射科医师提供关于结节的语义特征的补充信息，例如其形状和大小。例如，肺部图像数据库联盟确定了九个被认为对诊断肺结节很重要的语义特征。这些语义特征是钙化，内部结构、分叶、恶性肿瘤、边缘、球形、毛刺、细微和纹理。肺部图像数据库联盟使用的语义特征不是临床标准; 然而，它们是基于放射科医师确定恶性肿瘤的经验。预测语义特征的能力还使得能够开发用于基于图像特征自动检索类似结节的系统，这可以帮助放射科医师进行诊断。
　　 计算机辅助诊断系统可以分解为三个步骤：结节识别，结节分割，以及结节表征。在结节分割期间，描绘了结节的边界。该边界随后用作计算低级图像特征的基础，低级图像特征是从图像内容自动提取的数字描述符，以量化诸如图像的形状，纹理和强度的不同属性。该研究特别关注形状特征的表现。将形状特征与纹理和强度特征区分开来，因为形状特征仅使用关于构成结节及其边界的像素的位置的信息。另一方面，纹理和强度特征可以间接地使用边界，以便量化结节内部和外部的像素强度值的分布的特征。还从形状特征的定义中排除了尺寸特征，例如直径或周长的单次测量。
　　 结果支持这样的假设，即形状特征对预测毛刺的重要性随肺结节大小的变化而变化。敏感性和特异性均随着结节大小的增加而增加。可以预期许多特征随尺寸，形状特征或其他特征而改善，原因很简单，大结节允许在对象上收集更多数据。然而，形状特征的改善明显优于基线纹理和强度特征。值得注意的是，鉴于大量特征与少量观测结果相比，在构建分类器时可能会出现一些过度拟合。但是，如果过度拟合，然后它将出现在形状特征的结果中，但也存在于纹理和强度特征的结果中。因此，结果的解释应该与性能值的差异有关，而不是使用分类结果的实际值。此外，注意到不同放射科医师对同一结节分配的多个分段被视为独立病例。即使放射科医师的轮廓不同，从同一结节的不同轮廓得出的特征也可能非常强相关。因此，对于仅形状特征集，分类器表示将轮廓映射到所得的毛刺评级的模型，其与获得结节和毛刺评级之间的关系略微不同。
　　 此外，相对于基线纹理和强度特征，形状特征对于预测毛刺相对更重要。这提供了一些证据，表明形状特征的性能与包含所有类型特征的完全集成的计算机辅助诊断系统相关。虽然出现了大量的各种形状，纹理的并且强度提出在文献中的特征，在此研究中使用的特定的一组是基于以前的研究使用肺部图像数据库联盟数据集。对于所有结节的数据集，由形状，纹理和强度特征组成的特征集生成的分类器具有分类阶段性能，在统计上优于使用仅由纹理和强度组成的特征集生成的分类特征。形状特征比单独的所有基线纹理和强度特征单独地更重要一个数量级。此外对于所有结节的数据集，仅形状特征集生成的分类器具有分类毛刺的性能，这在统计上优于使用仅由纹理和强度特征组成的特征集生成的分类。结节的例子，其中形状特征设置正确地分类了毛刺，但纹理和强度特征集没有示出 。
　　 这些结果可以解释为什么形状在涉及肺部图像数据库联盟数据集的研究中发挥的作用有限，肺部图像数据库联盟数据集主要由小结节组成。对于小结节与大结节，形状特征的表现要差得多，小结节类别是包含最多结节分割的大小区域和最少数量的针状结节。通过总肺部图像数据库联盟数据集中的随机样本或具有相似大小分布的其他数据集训练的任何分类器，更可能提供小结节和提供非针刺的相对平滑的训练病例。这种情况使得形状特征的重要性对于采样程序和研究人群中结节大小的分布特别敏感，这就是为什么先前的肺结节研究可能混合在评估形状特征在预测语义中的重要性的原因收视率。
　　 对于大结节，结果显示边界粗糙度的概念与放射学家对毛刺的识别之间存在强烈的对应关系。根据给出的结果 ，粗糙度特征的重要性比任何其他形状特征大约一个数量级，并且比任何纹理或强度特征大两个数量级。这个结果是直观的，因为粗糙度是直接测量边界复杂性的一个特征。因此，至少对于大结节，放射科医生关于毛刺的语义概念似乎与放射科医师自己的轮廓所捕获的粗糙度的几何概念相似。
　　 对于小结节而言，粗糙度与大结节的相关性相对较小。那么，为什么通过粗糙度测量的边界复杂度对于大结节很好，但对于小结节却不适用?首先，在图像采集和图像分析期间引入的噪声可能使机器分类器识别小结节中的边界复杂性的能力混淆。考虑到由放射科医生分类为针刺的那些小结节，在周长和凸周长之间具有小于两像素的差异，这两个参数用于计算粗糙度的比率。基于如此少的像素的决策可能会受到噪声的严重影响。
　　 使用肺部图像数据库联盟数据，证明了形状特征在放射科医师对计算机断层扫描肺结节所分配的毛刺评级中的相关性随着结节大小的增加而增加。研究结果表明，对于大结节，放射科医生关于毛刺的语义概念可以通过粗糙度的几何概念来捕捉。对于小结节，图像采集和图像分析过程中的噪声使得机器分类器难以使用粗糙度来对毛刺进行分类。作为回应，机器分类器使用更多种形状，纹理和强度特征来分类小结节的毛刺。
　　 未来的研究将探索新的图像特征与小结节的结节外观的语义概念之间的映射。此外，如果肺部图像数据库联盟数据仅包含77个针状结节，并且使用随机欠采样程序生成针刺和非针刺结节的平衡数据集，那么探索结果如何推广大数据集将是有趣的。