Automated Detection of Lung Nodules in Multidetector CT: Influence of Different Reconstruction Protocols on Performance of a Software Prototype

 

 Buy Article Permissions and Reprints

Zusammenfassung

Ziel: Evaluation der Leistungsfähigkeit eines Softwareprototyps zur automatisierten Detektion (CAD) von Lungenrundherden mittels Mehrzeilen-Detektor-Spiral-CT in Abhängigkeit von der rekonstruierten Schichtdicke. Material und Methoden: Computertomogramme des Thorax von 15 Patienten mit bekannten Lungenrundherden wurden mit 5,0, 2,0 und 1,0 mm Schichtdicke sowie 1,5, 1,0 und 0,5 mm Rekonstruktionsinkrement nachberechnet. Die rekonstruierten, verblindeten Datensätze wurden sowohl mittels des Softwareprototyps „Nodule Enhanced Viewing” (NEV) als auch durch 2 erfahrene Radiologen (A und B) ausgewertet. Die gefundenen Rundherde wurden entsprechend ihrer Größe (Durchmesser > 10, 5 - 10, < 5 mm) zugeordnet und die Ergebnisse der Radiologen und der CAD mit einem unabhängigen Bezugsstandard verglichen. Die statistische Auswertung erfolgte mittels „Receiver Operating Characteristic” - ROC Curve Analysis, t-test und des 2-Rater-Cohen’s-Kappa-Koeffizienten. Ergebnisse: Insgesamt 103 Rundherde wurden mittels Referenzstandard festgestellt. Die Detektionsrate von CAD war bei einer Schichtdicke von 5,0 mm niedriger als die der Radiologen (AUC = 0,522 für A und 0,517 für B bzw. 0,497 für CAD). Bei 2,0 mm Schichtdicke war die Detektionsrate von CAD besser als die der Radiologen (AUC = 0,524 für A und B bzw. 0,614 für CAD), ohne statistische Signifikanz zu erlangen. Statistisch signifikant überlegen zeigte sich die Software bei einer Schichtdicke von 1,0 mm (AUC = 0,537 für A und 0,531 für B bzw. 0,675 für CAD). Die Sensitivität bei 1,0 mm Schichtdicke wurde mit 66,99 % für A, 68,93 % für B und 80,58 % für CAD kalkuliert. Die durchschnittliche Zeit, die für die Evaluation der Datensätze benötigt wurde, war für CAD bei 1,0 mm Schichtdicke am geringsten (t = 4 min). Die Leistung der Radiologen wurde durch den Einsatz von CAD signifikant erhöht. CAD war am effektivsten in der Detektion von Rundherden < 10 mm. Schlussfolgerung: CAD hat bei einer Schichtdicke von 1,0 mm eine höhere Detektionsrate als Radiologen. Die relativ kurze Evaluationszeit von CAD erlaubt den Einsatz als Second Reader.

Abstract

Purpose: To evaluate the accuracy of software for computer-aided detection (CAD) of lung nodules using different reconstruction slice thickness protocols in multidetector CT. Materials and Methods: Raw image data sets for 15 patients who had undergone 16-row multidetector CT (MDCT) for known pulmonary nodules were reconstructed at a reconstruction thickness of 5.0, 2.0 and 1.0 mm with a reconstruction increment of 1.5, 1.0 and 0.5 mm, respectively. The “Nodule Enhanced Viewing” (NEV) tool of LungCare for computer-aided detection of lung nodules was applied to the reconstructed images. The reconstructed images were also blinded and then evaluated by 2 radiologists (A and B). Data from the evaluating radiologists and CAD was then compared to an independent reference standard established using the consensus of 2 independent experienced chest radiologists. The eligible nodules were grouped according to their size (diameter > 10, 5 - 10, < 5 mm) for assessment. Statistical analysis was performed using the receiver operating characteristic (ROC) curve analysis, t-test and two-rater Cohen’s Kappa co-efficient. Results: A total of 103 nodules were included in the reference standard by the consensus panel. The performance of CAD was marginally lower than that of readers at a 5.0-mm reconstruction thickness (AUC = 0.522, 0.517 and 0.497 for A, B and CAD, respectively). In the case of 2.0-mm reconstruction slices, the performance of CAD was better than that of the readers (AUC = 0.524, 0.524 and 0.614 for A, B and CAD, respectively). CAD was found to be significantly superior to radiologists in the case of 1.0-mm reconstruction slices (AUC = 0.537, 0.531 and 0.675 for A, B and CAD, respectively). The sensitivity at a reconstruction thickness of 1.0 mm was determined to be 66.99 %, 68.93 % and 80.58 % for A, B and CAD, respectively. The time required for detection was shortest for CAD at reconstruction slices of 1.0 mm (mean t = 4 min). The performance of radiologists was greatly enhanced when using CAD: sensitivity 91.26 % and 94.17 % for CAD+A and CAD+B, respectively (AUC = 0.889 and 0.917). CAD was most advantageous in the detection of nodules < 10 mm. Conclusion: At a 1.0-mm reconstruction thickness, CAD’s ability to detect nodules < 10 mm is superior to that of radiologists and its relatively short evaluation time makes it a viable second reader.

References

• 1 Ries L. et al .SEER Cancer statistics review, 1993 - 1996. Bethesda; National Cancer Institution 1999
  Google Scholar
• 2 Fischbach F, Knollmann F, Griesshaber V. et al . Detection of pulmonary nodules by multislice computed tomography: improved detection rate with reduced slice thickness.  Eur Radiol. 2003;  178 2378-2383
  CrossrefPubMedGoogle Scholar
• 3 Bolte H, Muller-Hulsbeck S, Riedel C. et al . Ex-vivo injection technique for implanting solid pulmonary nodules into porcine lungs for multi-slice CT.  Fortschr Röntgenstr. 2004;  178 1380-1384
  Article in Thieme ConnectPubMedGoogle Scholar
• 4 Zhao B, Gamsu G, Ginsberg M S. et al . Automatic detection of small lung nodules on CT utilizing a local density maximum algorithm.  J Appl Clin Med Phys. 2003;  178 248-260
  CrossrefPubMedGoogle Scholar
• 5 Naidich D P, Rusinek H, McGuinness G. et al . Variables affecting pulmonary nodule detection with computed tomography: evaluation with three-dimensional computer simulation.  J Thorac Imaging. 1993;  178 291-299
  PubMedGoogle Scholar
• 6 Diederich S, Semik M, Lentschig M G. et al . Helical CT of pulmonary nodules in patients with extrathoracic malignancy: CT-surgical correlation.  AJR Am J Roentgenol. 1999;  178 353-360
  PubMedGoogle Scholar
• 7 Zheng B, Ganott M A, Britton C A. et al . Soft-copy mammographic readings with different computer-assisted detection cuing environments: preliminary findings.  Radiology. 2001;  178 633-640
  PubMedGoogle Scholar
• 8 MacMahon H. Improvement in detection of pulmonary nodules: digital image processing and computer-aided diagnosis.  Radiographics. 2000;  178 1169-1177
  PubMedGoogle Scholar
• 9 Wormanns D, Kohl G, Klotz E. et al . Volumetric measurements of pulmonary nodules at multi-row detector CT: in vivo reproducibility.  Eur Radiol. 2004;  178 86-92
  CrossrefPubMedGoogle Scholar
• 10 Uppaluri R, Hoffman E A, Sonka M. et al . Interstitial lung disease: A quantitative study using the adaptive multiple feature method.  Am J Respir Crit Care Med. 1999;  178 519-525
  PubMedGoogle Scholar
• 11 Masutani Y, MacMahon H, Doi K. Computerized detection of pulmonary embolism in spiral CT angiography based on volumetric image analysis.  IEEE Trans Med Imaging. 2002;  178 1517-1523
  CrossrefPubMedGoogle Scholar
• 12 Armato S G 3rd, Giger M L, MacMahon H. Automated detection of lung nodules in CT scans: preliminary results.  Med Phys. 2001;  178 1552-1561
  CrossrefPubMedGoogle Scholar
• 13 Marten K, Grillhosl A, Seyfarth T. et al . Computer-assisted detection of pulmonary nodules: evaluation of diagnostic performance using an expert knowledge-based detection system with variable reconstruction slice thickness settings.  Eur Radiol. 2005;  178 203-212
  CrossrefPubMedGoogle Scholar
• 14 Armato S G 3rd, Giger M L, Moran C J. et al . Computerized detection of pulmonary nodules on CT scans.  Radiographics. 1999;  178 1303-1311
  PubMedGoogle Scholar
• 15 Wormanns D, Fiebich M, Saidi M. et al . Automatic detection of pulmonary nodules at spiral CT: clinical application of a computer-aided diagnosis system.  Eur Radiol. 2002;  178 1052-1057
  CrossrefPubMedGoogle Scholar
• 16 Wormanns D, Beyer F, Diederich S. et al . Diagnostic performance of a commercially available computer-aided diagnosis system for automatic detection of pulmonary nodules: comparison with single and double reading.  Fortschr Röntgenstr. 2004;  178 953-958
  Article in Thieme ConnectPubMedGoogle Scholar

Dr. Jessen Gurung

Institut für Diagnostische und Interventionelle Radiologie, Klinikum der Johann-Wolfgang-Goethe-Universität, Frankfurt am Main

Fax: ++ 49/69/63 01-72 58

Email: jessen.gurung@gmx.de