多检测器计算机断层扫描图像用于临床领域以高精度检测肺结节。通常需要用于辅助放射科医师的计算机辅助诊断系统。在胸部图像的视觉筛选中，将当前图像与先前图像进行比较以检测新病变并跟踪现有病变的进展。然而，问题在于遗漏和由大量图像引起的沉重负担。为了解决这个问题，将TS技术引入计算机辅助诊断系统。通过从当前图像中减去先前图像来获得TS图像。因此，去除了诸如血管，骨骼和肌肉的正常结构，并且增强了诸如新病变和现有异常的变化的间隔变化。有学者表明胸部X线片上的TS技术对于临床实践中肺结节的检测和比较解释是有效的。此外，已经提出了用于TS技术的胸部计算机断层扫描图像的图像变形算法，例如使用3D弹性匹配的方法。有学者获得了MD计算机断层扫描图像中肺结节检测的放射科医师表现。
　　 然而，许多减法伪像保留在TS图像上，被检测为误报。因此，需要能够从TS图像精确地检测肺结节的方法。有学者应用基于规则的方法和多阈值技术来检测肺结节并使用人工神经网络分类器去除假阳性。在他们的结果中，准确地检测到大的肺结节。然而，许多小肺结节未被发现。利用基于强度的特征，例如计算机断层扫描值的均值和方差以及基于形状的特征，例如圆形度和Gabor滤波器的输出，并使用人工神经网络分类器去除误报。此外，利用二维自适应环形滤波器作为特征之一。但是，这些方法的实际应用仍然很困难。因此，需要更有效的特征和结节候选区域的分割的改进。
　　 在本文中，研究人员提出并测试使用TS图像的小肺结节的自动检测方法。基于分割区域的强度，梯度和形状提取特征。研究人员使用人工神经网络分类器，特征信息压缩分类器。
　　该方法的直径比比传统方法接近1。因此，本研究结果表明，提出的分割方法可以提高分割的准确性。然而，使用分类方法的识别不被认为优于使用传统方法获得的识别。在未来的工作中，将开发考虑剩余结节特征和血管形状的分割方法，并研究用于结节识别的有效特征和分类器。