目前，美国正在实施低剂量计算机断层扫描(CT)肺癌筛查。该筛查计划的主要目的是在可以治愈的阶段检测肺癌，从而降低肺癌死亡率，如国家肺部筛查试验。在肺癌筛查和临床常规中，遇到大量结节，需要确定合适的随访策略。为此，引入了指南和工具，为后续管理制定了明确的程序，例如Lung-RADS指南，Fleischner指南和PanCan模型4。在这些建议指南和工具中，CT的结节特征，如结节类型，大小和生长，在为每个结节选择合适的管理方面起着至关重要的作用。
　　结节的类型的识别很重要，因为某些类型的结节有比别人为恶性的机会较高。几种结节类型通常被认为是对肺结节进行分类，包括非结实和部分实性结节。非实性结节表现为肺部(即磨玻璃)的朦胧衰减增加，其中血管和支气管边缘仍然可见。部分实心结节由磨砂玻璃组成，其具有均匀的软组织衰减区域(即实心核心)，其中与磨砂玻璃不同，血管不再可区分。非固体和部分固体结节通常归为亚固体结节和与上位恶性概率相关联的。
　　结节生长另外被确定为与恶性肿瘤相关的重要CT特征。de Hoop 等先前的一项研究。与估计生长的体积和直径测量值相比，亚固体结节中增加的结节质量受到的变化较小。结节质量取决于结节体积和结节密度，结节体积与3D扫描中的结节分割有关，结节密度与Hounsfield单位(HU)中的CT衰减有关。一旦结节被分割，可以通过将平均结节密度乘以结节体积来计算结节质量。
　　在这项研究中，研究人员特别关注由底玻璃部分和可能是实心核心组成的亚固体结节。几项研究已经描述了用于subsolid结节分割算法，然而只有在结节subsolid考虑实芯分割几个出版物。鉴于结节的分割，可以基于HU衰减将实心核与磨玻璃区分开。然而，当血管被封闭在亚固体结节中时，固体核心和血管可能难以分离，因为它们都具有软组织衰减。因此，不太适合区分固体核心与血管。此外，这些方法是半自动的，因为它们需要手动指示的种子点。
　　将血管作为结节的一部分可以改变结节特征，例如结节类型，质量以及结节或实心核的大小。这可能影响治疗决策，并且可能妨碍结节肿块和结节生长之间的相关性，使其成为筛选设置中使用的不可靠参数。增长的非固体结节的一个例子。随着时间的推移，这种结节包围周围的血管，如果不加以考虑，可能导致高估的增长，从而改变患者的管理。
　　本文的目标是在给定的亚固体结节中自动识别和分割血管和实心核心。研究人员表示为体素分类问题，其中分类器将给定结节分割中的所有体素标记为属于以下三个类别之一：血管，实心核心或磨玻璃。每个体素的特征在于与其所属的3D结构的强度和形状相关的特征。此外，结节外部的血管用于确保结节内部的解剖学上可信的血管分割。研究人员在一个数据集上验证了所提出的框架，该数据集包括来自多中心意大利肺病(MILD)试验的所有筛查检测到的亚固体结节。设计了一项观察者研究，涉及三名人类专家，以评估拟议的自动方法的结果，提供定量和定性评估。作为额外的贡献，评估了专家之间的观察者之间的变异性，用于检测和体素划分的血管和固体核心在亚固体结节中。
　　将容器误认为坚固的核心可能会导致对结核和实心核心的质量和大小的高估，这反过来会导致高估的增长，从而改变患者的管理。子实体结节对于正确识别和测量尤其重要，因为它们与高恶性概率相关。此方法能够识别亚固体结节中的血管和实心核心，并可用于提供更可靠的结节特征。
　　在研究人员的方法和观察者之间发现了一个实质性的血管检测协议，平均Cohen的kappa为0.65。在船舶检测中发现了类似的观察员间协议，表明所提出的自动血管检测与人类观察者的视觉检测相当。为了检测实心核，研究人员的方法和观察者之间的一致性是适中的，平均Cohen的kappa为0.42。在观察者之间发现稍微更高的中等固体核心检测一致性，表明在人体专家和研究人员的方法中鉴定固体核心在亚固体结节中比船只检测更困难和主观。两位专家独立评分107个亚固体结节，分别是部分固体或非固体，显示出实质性的观察者间协议。与本研究报告的实体核心检测的观察者间协议相比，这种观察者间的协议略高。观察者间协议的这种差异可能是许多因素的影响，包括数据集的差异，观察者的专业知识或扫描参数(如重建核心)。一些研究人员开发了用于结节类型分类的计算机辅助检测(CAD)系统。四位专家将138组结节分为非固体，部分固体或实体，导致观察者之间达到中等至实质一致和类似方法 观察者协议。由8名观察者对160个肺结节进行了类似的结节分类任务，其中报告了一个中度的观察者间和观察者内部的协议。虽然结节分类与本研究中的任务不同。研究人员观察到结节型分类中的绝大多数错误发现在区分部分固体和非固体病变。他们得出结论，这种分类任务对于人类专家和CAD都很困难。
　　为了验证检测到的血管和实心核心分割的空间一致性，对三个输出类别中的每一个进行连通分量分析。该分析表明，研究人员的方法不会在任何类中产生碎片输出。例如，当考虑实心核心类时，只有8个结节，其中分类器发现多于1个连接的实心核心组件。从这8个结节中，具有最多连接的实心核心组件的结节仅具有4个组件。这些数字对于船只来说略高一些，这可以通过多个船只穿过结核这一事实来解释。此外，除了一个结节外，磨砂玻璃类显示为单个连接结构。
　　为整个结节注释所有血管和实心核心是一项繁琐而耗时的任务。因此，研究人员通过三个观察者的定量评估在每个结节的单个自动选择的轴向切片中进行。然而，一名观察员对16个尺寸匹配的结节的子集进行了额外的全3D评估，其中有平衡量的非固体和部分实心结节，有或没有血管。虽然3D评估是在一小部分数据上进行的，但结果表明平均性能略低，但与2D评估得出的平均性能相当。两项结果均表明，对于观察者间和方法观察者协议，所有血管和实心核心分割测量值都存在高标准偏差，DSC分数。这表明正确概述血管和实心核心是一项艰巨而主观的任务。驱动这些低平均值和高标准偏差的另一个影响是观察者在容器和实心核心的存在上不同意的大量结节。对存在检测分歧的结节进行核算，可以深入了解实际的观察者间和方法观察者分割协议。这些结果表明，当对类的存在达成一致时，灵敏度，精度和DSC观察者间协议和方法观察者表现的得分要高得多，标准差也要低。特别是在灵敏度方面，与观察者间协议相比，该方法在类似的范围内执行。然而，对于血管和实心核心分割，观察者的精确度总体上更高。这也反映在观察者的较高Dice相似系数上。
　　所获得的检测性能表明，所提出的方法可用于识别亚固体结核中的血管和实心核。例如，这可以集成在用于肺癌筛查的胸部CT工作站中，例如本研究中使用的那种(CIRRUS Lung Screening，Diagnostic Image Analysis Group，Nijmegen，the Netherlands)。研究人员发现，大多数提议的分割被评分为临床实践中的有用，这将加速亚固体结节的阅读过程。然而，研究人员的方法显示不太适合精确概述血管和实心核心的边界。因此，已鉴定的血管和实心核心可用于区分非固体和部分固体结节以及标记包围血管的结节。此外，
　　进行了另外一项分析，其中三名观察者各自评估了整个结节的拟议分割的质量。该定性评估显示，大多数血管和实心核心分割在三个观察者中至少??有两个被评分为临床实践中可用。此外，只有2.9%的血管分割和6.5%的实心核心分割被所有三名观察者评为无法使用，这表明研究人员的方法可能用于帮助临床医生评估亚固体结节。在定性评估中，每个观察者还评估所呈现的血管的质量和实心核心分割，并指示是否存在过度或不足的分割。将分段评分为不可接受的主要原因正在进行分割，这表明观察者1的血管为71%，观察者2为83%，观察者3为74%，观察者1的实心核心为81%，观察者为78%观察者3之间存在血管或实心核心的分歧对给定的定性分数有直接影响。这意味着当一个观察者将结节分类为部分固体而另一个观察者将同一结节分类为非固体时，该结节的给定质量分数可以从一个观察者的好处到另一个观察者不可接受的范围。
　　通过交叉每对观察者的注释来提取三个共识标准提供了直接比较人类观察者的描绘性能与所提出的方法的描绘性能的机会。然而，使用交叉点存在使共识分割变小的风险，这可能使结果偏差。为了提供观察者和方法观察者表现，灵敏度，精度和DSC的完整视图从每个观察者，每个观察者和共识标准之间的比较中提取的分数观察者和方法，以及每个共识标准和方法作为补充材料。这些结果表明，与仅有一个观察者相比，当使用共识标准进行观察者间评估时，灵敏度，精确度和DSC得分平均更高。这表明共识标准并不比单个观察者的分割小得多或不准确。
　　在所提出的方法中提出血管连续性分析作为正规化步骤，其平滑内部血管和结节外血管之间的过渡。该分析旨在降低最初被分类为血管但与结节外的血管的解剖结构不匹配的体素的可能性。该分析的潜在限制是对结节外部的血管分割的依赖性，因为该分割中的错误可导致正则化步骤的错误输入。在所提出的方法中，研究人员通过强制检测到的外部血管必须附着到血管树来解释结节外的血管分割中的潜在噪声。但是，此方法没有考虑错过的外部血管，这可能会导致在结节内移除正确检测到的血管。然而，错过的血管通常直径很小，因此对结节的质量或体积只有很小的影响。
　　此方法评估是对MILD研究中一小部分直径大于或等于6 mm的子实体结节进行的。从该子集中，37个具有复杂结构的亚固体结节，定义为不规则形状且可能含有气泡的大结节，在进行研究之前被排除在外，因为它们的外观和纹理非常独特，并且在训练数据集中没有大量表示。因此，研究人员的方法不适合处理这些类型的结节。特别是含有类似气泡强度的结节难以用所提出的三类方法进行分类，因为类似气泡的强度不属于任何所考虑的类别。然而，通过在训练过程中包括大量复杂结节并扩展该方法以处理类似气泡的强度，可以潜在地克服这种限制。尽管改进处理这些复杂病变的方法是一个有趣的研究课题，但这超出了本文的范围。研究人员进一步注意到，所提出的方法倾向于错过较小结节中相对较大的实心核心。在这个例子中，固体部件几乎覆盖了整个结节，为磨玻璃区域留下了很小的空间。研究人员还观察到较小的血管偶尔会被分割不足或完全错过。可能的解释是，这些示例在用于构建分类模型的训练集中代表性不足。然而，小血管的分割不足可能与临床无关，因为它们仅略微影响亚固体结节的体积或质量。
　　总之，研究人员发现自动识别和分割亚固体结核中的血管和实心核是可行的。在170个亚固体结节试验中，92.4%的拟议血管分割和80.6%的拟议实心核心分割在大多数专家的临床实践中被标记为可用。在观察者间协议中存在相对较高的可变性，并且在准确概述血管或实心核心的边界时，方法观察者协议较低，这说明了这项任务的难度。然而，在大多数情况下取得了令人满意的结果，使其成为评估肺癌筛查和临床常规中的亚固体结节的潜在有用工具。