译者：AlexanderZhao
本文介绍了利用机器学习实现胸部CT扫描图像自动判读的任务，这对我来说是一个有趣的课题，因为它是我博士论文研究的重点。这篇文章的主要参考资料是我最近的预印本“Machine-Learning-BasedMultipleAbnormalityPredictionwithLarge-ScaleChestComputedTomographyVolumes.”
CT扫描图像是一种大体积图像，大小约为××灰度像素，用于描绘心脏、肺和胸部的其他解剖结构。胸部CT扫描图像用于诊断和治疗多种疾病，包括癌症、感染和骨折。这篇文章讨论了如何获得CT图像，如何对CT图像进行判读，以及为什么CT图像的自动判读具有挑战性，最后，我们将介绍如何使用机器学习来实现CT图像的自动判读任务。
什么是CT扫描图像胸部CT用于显示胸部，包括左肺、右肺、气道、心脏和大血管：
有关胸部解剖学的更详细概述，请参阅本文。
因为胸部CT扫描是一种三维图像，所以会在三个不同的解剖学平面上分辨观察，这三种解剖学平面分别是冠状面、横断面与矢状面。
i下面是一个横断面CT图像的例子：
下面是另一个横断面CT图像的例子：
想要了解同一张CT扫描图像在三个解剖学平面上的不同视图，请参阅本文，它含有一张可以滚动查看的健康人的高分辨率胸部CT图像。
CT图像是怎么获得的？下图显示的是CT扫描仪，它是一个甜甜圈形状的仪器：
病人躺在桌子上，通过CT扫描仪的“甜甜圈孔”移动。以下是CT扫描仪的内部结构：
CT扫描是基于X射线的。然而，CT不同于“投影X射线”，因为CT是3D的，而投影X射线是2D的（关于自动投影X射线请参阅本文）。
CT扫描仪的X射线源将X射线束（如上图红色所示）通过患者的身体发送到探测器上。当患者通过中心孔时，整个放射源/探测器设备围绕患者旋转，因此可以在三维空间的多个点上测量患者身体的辐射密度。
最后，CT扫描图像使用Hounsfield单位对患者体内数百万个点的放射密度进行编码，其中空气显示为黑色，骨骼显示为白色。中等密度的组织呈灰色。
放射科医生如何判读CT扫描？CT扫描是一种常见的影像学检查形式，对许多疾病的诊断和治疗非常有用。放射科医生是判读医学放射图像并撰写诊断报告的医生，这些报告供其他医生在患者的护理中使用。
当一个放射科医生需要判读一张CT扫描图像时，他会做两件事。首先，放射科医生必须确定出现了哪些异常，例如肺炎、肺不张、心脏肿大、结节、肿块、胸腔积液等。接下来，放射科医生必须在他们的描述中指定出现异常的位置。病灶位置在医学上往往非常重要——例如，不同类型的肺癌往往位于不同的位置。下表总结了放射科医生的任务：
CT报告示例以下是美国国家诊断成像中心的胸部CT报告示例，其中文本是从本份公开报告中复制的：
EXAM:CTACHESTWW/OCONTRAST
CLINICALHISTORY:SOB,dyspnea,R/OPE,ILD,possibleoccupationallungdisease
INDICATIONS:49year-oldpatientwithshortnessofbreath.PossiblePE.Possibleoccupationallungdisease.
PROCEDURE:Consecutiveaxialsliceswereobtainedwithoutandwithintravenouscontrast.Bolusthinsliceswereperformedthroughthepulmonaryarteries.
Thepulmonarytrunkshowsnoevidenceforthrombusorembolus.Thereisnoevidenceforasaddleembolus.Therightandleftmainpulmonaryarteriesappearunremarkable.Thefirstandsecondorderpulmonarybranchesbilaterallydonotshowevidenceforembolus.Theaxillaryregionsshownoadenopathy.Themediastinumandhilarregionsshownomassesoradenopathy.Theincludedupperabdomenshowsspleniccalcificationwhichcouldindicateremotegranulomatousdisease.Thereissomefocalrenalcorticalthickeningontherightwheretheremaybepriorscarring.Thereisnoevidenceforpulmonaryparenchymalinterstitiallungdisease.Onimage2series4intheleftlowerlungthereisa3mmnodule.ThiscouldbefollowedwithsurveillanceCTin12monthsifthereisfurtherconcern.Thereisalsoasmallsimilarnoduleonthesameseriesimage49ontheleft.Therearenoinfiltratesoreffusions.Thereisnoacutebonyabnormalityseen.
IMPRESSION:Noevidenceforpulmonaryembolicdisease.Somesmalllungnodulesontheleftcouldbefollowedat12monthswithaCTifthereissufficientconcern.Noevidenceforinterstitiallungdisease.
为什么CT自动判读饶有趣味又充满挑战？对于放射科医生来说，为每张CT扫描图像都撰写这么详细的报告是非常耗时的。如果患者接受了多次不同期的CT扫描（例如，首次扫描后的三个月又接受了后续的扫描），这就更加耗时了，因为在这种情况下，放射科医生还要同时比较两次扫描，以了解患者的健康状况产生了什么变化。人们对开发机器学习方法自动判读CT图像非常感兴趣，因为这可以加速放射工作流程并降低放射科医生的实时诊断错误率（目前为3-5%）。
CT扫描图像的自动判读具有挑战性，原因如下：
挑战1：患者的解剖结构根据性别、年龄、体重和正常的解剖变异而自然变化。因此，“变异”并不一定意味着“异常”。
挑战2：胸部CT图像可以显示数百种可能的异常。下图仅显示了几个例子，包括嗜酸性肺炎、空洞性病变、囊肿、肺气肿、气胸和肺纤维化：
![病例]](