计算机断层扫描是一种广泛用于评估肺结节的成像模式。计算机断层扫描图像中肺结节的表型特征是恶性肿瘤预测的重要线索，诊断和进一步管理。例如，如几个社会的诊断指南所示，结节坚固性的高水平纹理特征和毛刺的语义形态特征对于肺结节的分化至关重要。结节的坚固性也是诊断腺癌和其他亚型的重要线索。同时，钙化模式，圆度，边缘清晰度等其他语义特征也有助于评估结节恶性。在许多先前的研究和临床图像诊断中，计算机断层扫描图像中肺结节的这些语义特征通常以主观方式定义和评定。在这种情况下，这些临床特征的确定可能因人而异，也取决于观察者的经验。例如，一些研究表明，对于计算机断层扫描图像中结节坚固性的分类，存在可察觉的观察者内和观察者间的变化。
　　 计算机辅助诊断是一种辅助软件包，为临床图像阅读和决策支持提供计算诊断参考。已经证明降低观察者间的变异是有效的。大多数以前的计算机辅助诊断研究都集中在结节恶性肿瘤和良性肿瘤的直接分化。为了提供更多的定量诊断参考，最近的一项研究探索了使用直方图特征对结节的可靠性进行分类，以进行高级纹理分析。为了表征毛刺特征，有学者开发了频率袋描述符，可以成功地将51个针状结节与其他204个非针刺结节区分开来。一般而言，具有常用临床语义特征属性的计算机断层扫描图像中肺结节的分析可以为更深入的肺结节分析提供更丰富的定量提示。然而，从低级图像特征到临床术语域中的高级语义特征的映射既不是直接的也不是微不足道的任务。它需要对计算图像特征的设计和选择进行深入细化。同时，针对一个特定语义特征的所设计的计算图像特征可能不容易推广到其他特征。
　　 在这项研究中，此次的目标是开发一种新的计算机辅助诊断方案，可以用计算机断层扫描图像中的语义属性向量来描绘肺结节。这种新的计算机辅助诊断方案不是单独识别恶性肿瘤，而是可以产生几个定量评估分数，这些分数与语义特征相比可能对临床使用更具参考性。同时，与描述具有二元或三元值的语义特征的不同，计算机辅助诊断方案能够将每个语义特征评级为大约1-5的更宽分数范围，以进行更好的量化分析。为方便起见，所提出的具有属性评分的新计算机辅助诊断被表示为计算机辅助诊断。
　　 通过多任务线性回归和复合学习方案可以实现最有希望的性能，而自动上下文随机林也可以实现相当好的性能。这三种学习方案由来自美国不同机构的12名放射科医师的注释记录进行培训。因此，这三种学习方案将考虑观察者间的变异。同时，从整数注释评级到浮动回归分数的放宽也可以保留数字灵活性以适应来自不同放射科医师的评级模糊度，以减少差异变化。
　　 每项任务的单任务LASSO和弹性网络的性能调整是独立进行的，因此每项任务的最佳参数设置是不同的。研究人员尽力为每项任务实现单任务回归的最佳性能。单任务回归方案还可以在诸如“毛刺”和“分叶”的任务中获得令人满意的预测性能。然而，“纹理”和“微妙”任务的表现相对更难调整，预测得分大多偏离放射科医师的评分超过三个多任务方案的表现可以共同调整9个语义任务，并在所有任务中实现有希望的预测结果。
　　 于一些结节，来自不同放射科医师的一些语义特征的评级不一致可能是非常重要的。同时，由于语义特征/任务的连续度/分数之间的定义边界可能非常模糊并且可能因人而异，因此有时可能很难给出语义程度的某些评级。即使是同一位放射科医师，不同时间的语义评分也可能不一致。因为语义评级是一个复杂的感知过程，也取决于评估者的情况。
　　 参照表我共同训练卷积神经网络回归方案可以比单任务卷积神经网络回归做得更好，但仍然无法超越多任务回归的表现。由于多任务回归方法最初是为回归目的而设计的，并且在此考虑更多异构特征，因此它可能比共同训练卷积神经网络回归更好。另一方面，由于大多数着名的卷积神经网络模型都是在分类框架下制定的，因此损失函数通常设定为软最大损失。为了适应回归的背景，这里卷积神经网络回归方案的损失函数基于欧几里德距离来测量预测和注释得分之间的差异。在这种情况下，可以反向传播误差距离以在卷积神经网络回归方案的训练中导出有用的神经参数。卷积神经网络培训需要优化大量参数，通常需要大量的培训数据才能获得良好的性能。与许多关于自然图像的研究相比，2400个结节的数量相对较少。通过更多的训练样本，可能可以实现更好的卷积神经网络回归结果。
　　 肺癌与计算机辅助诊断的更广泛的定量属性可以支持医生进行更精确的结节分析和管理，例如，与组织学图像，放射学报告和基因组学数据的相关性等.计算机辅助诊断方案的另一个潜在应用可能包括支持医学检索发动机。肺计算机断层扫描内容与临床语义术语之间的自动关联可以帮助维护来自医学数据库的临床报告和医学图像的复杂检索，以获得更好的诊断决策支持。具体而言，在基于内容的图像检索的背景下，临床语义概念和低级图像特征之间的差距是阻碍检索准确性的主要因素。由于简单的计算图像特征可能不容易解决高类内变化和低类间差异的问题，因此直接使用低级图像特征可能不容易提供有效的相似性度量。因此，临床语义术语和图像内容之间的计算映射步骤在语义层面定义相似性度量可能有助于提高图像检索性能。利用此次的自动语义评分方法，肺结节之间的计算视觉相似性可以简单地利用语义水平与语义分数的差异。因此，检索可以基于总体相似性或每个特定语义特征。视觉相似性可以很容易地与本体上的不相似与适当的加权相结合。
　　 为了将图像检索方案推向临床使用，可以进一步研究语义特征程度和结节亚型以及其他临床文件之间的关系，以支持更复杂的检索功能。特别地可以通过语义评分的桥梁自动建立医学图像内容与诊断/治疗水平之间的关联，以达到更精确的检索。将在未来的研究中基于多任务回归框架探索图像检索问题，因为它可能涉及其他类型的临床数据的相关性。总之，肺结节的语义特征的自动评分可以支持更精确的图像检索和更深入的研究以及更多的数字参考。