Computer-Aided Pulmonary Nodule Detection – Performance of Two CAD Systems at Different CT Dose Levels

 

 Buy Article Permissions and Reprints

Zusammenfassung

Ziel: Effekt einer Dosisverringerung auf die computerassistierte Detektion (CAD) von Lungenrundherden in der Mehrschicht-Computertomografie (MSCT): CAD-Analyse an Ultra-Niedrigdosis- (ULD-CT) und Standarddosis-(SD-CT)CT-Daten. Material und Methoden: MSCT-Datensätze von 26 Patienten (13 Frauen, 13 Männer, 31 – 74 Jahre) wurden retrospektiv mittels zweier CAD-Systeme analysiert. Die CT-Daten waren konsekutiv mit 5 mAs (ULD-CT) sowie mit 75 mAs (SD-CT) bei einer Röhrenspannung von 120 kV akquiriert und mit einer Schichtdicke von 1 mm rekonstruiert worden. Indikationen für die computertomografische Untersuchung waren Tumorstaging bzw. -suche. Der Referenzstandard wurde von 3 erfahrenen Radiologen im Konsensus festgelegt. Zwei CAD-Algorithmen (CAD-System [Prototyp], Philips, Niederlande: CAD-1; LungCARE, Siemens, Deutschland: CAD-2) wurden an den 52 Datensätzen angewendet und die Ergebnisse der CAD-Analyse mit dem Referenzstandard verglichen. Ergebnisse: Mittels Konsensusanalyse wurden 253 Rundherde in SD-CT und ULD-CT als Referenzstandard festgelegt. Der Durchmesser der Rundherde betrug 2 bis 41 mm (Mittelwert: 4,8 mm). Die Detektionsraten erreichten 72 % (CAD-1) und 62 % (CAD-2) bei SD-CT sowie 73 % und 56 % bei ULD-CT. Die Anzahl der falsch positiven Befunde lag im Median bei jeweils 6 und 5 (SD-CT; CAD-1 vs. CAD-2) sowie bei 8 und 3 (ULD-CT). Die Detektionsrate für Rundherde mit einem Durchmesser von > 5 mm betrug 83 % und 61 % bei SD-CT sowie 89 % und 67 % bei ULD-CT (CAD-1 vs. CAD-2). Für beide CAD-Systeme gab es keine statistisch signifikanten Unterschiede zwischen der Detektionsrate bei SD-CT und ULD-CT (p > 0,05). Schlussfolgerung: Die Verringerung der Strahlendosis hatte keinen statistisch signifikanten Effekt auf die Detektion von Lungenrundherden der 2 getesteten CAD-Systeme bei vergleichbarer Anzahl der falsch positiven Befunde.

Abstract

Purpose: To evaluate the impact of dose reduction on the performance of computer-aided lung nodule detection systems (CAD) of two manufacturers by comparing respective CAD results on ultra-low-dose computed tomography (ULD-CT) and standard dose CT (SD-CT). Materials and Methods: Multi-slice computed tomography (MSCT) data sets of 26 patients (13 male and 13 female, patients 31 – 74 years old) were retrospectively selected for CAD analysis. Indication for CT examination was staging of a known primary malignancy or suspected pulmonary malignancy. CT images were consecutively acquired at 5 mAs (ULD-CT) and 75 mAs (SD-CT) with 120 kV tube voltage (1 mm slice thickness). The standard of reference was determined by three experienced readers in consensus. CAD reading algorithms (pre-commercial CAD system, Philips, Netherlands: CAD-1; LungCARE, Siemens, Germany: CAD-2) were applied to the CT data sets. Results: Consensus reading identified 253 nodules on SD-CT and ULD-CT. Nodules ranged in diameter between 2 and 41 mm (mean diameter 4.8 mm). Detection rates were recorded with 72 % and 62 % (CAD-1 vs. CAD-2) for SD-CT and with 73 % and 56 % for ULD-CT. Median false positive rates per patient were calculated with 6 and 5 (CAD-1 vs. CAD-2) for SD-CT and with 8 and 3 for ULD-CT. After separate statistical analysis of nodules with diameters of 5 mm and greater, the detection rates increased to 83 % and 61 % for SD-CT and to 89 % and 67 % for ULD-CT (CAD-1 vs. CAD-2). For both CAD systems there were no significant differences between the detection rates for standard and ultra-low-dose data sets (p > 0.05). Conclusion: Dose reduction of the underlying CT scan did not significantly influence nodule detection performance of the tested CAD systems.

References

• 1 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;  13 2378-2383
  Google Scholar
• 2 Peloschek P, Sailer J, Weber M. et al . Pulmonary nodules: sensitivity of maximum intensity projection versus that of volume rendering of 3D multidetector CT data.  Radiology. 2007;  243 561-569
  Google Scholar
• 3 Gurung J, Maataoui A, Khan M. et al . Automated Detection of Lung Nodules in Multidetector CT: Influence of Different Reconstruction Protocols on Performance of a Software Prototype.  Fortschr Röntgenstr. 2006;  178 71-77
  Google Scholar
• 4 Honnef D, Behrendt F F, Bakai A. et al . Computerassistierte Detektion (CAD) von kleinen pulmonalen Rundherden in der Mehrdetektor-Spiral-Computertomografie (MDCT) bei Kindern.  Fortschr Röntgenstr. 2008;  180 540-546
  Google Scholar
• 5 Marten K, Rummeny E J, Engelke C. Computerassistierter Nachweis und automatisierte Volumetrie pulmonaler Rundherde in der Multislice-CT: Aktueller Stand und Perspektiven.  Fortschr Röntgenstr. 2005;  177 188-196
  Google Scholar
• 6 Vogel M N, Vonthein R, Schmücker S. et al . Lungenrundherdvolumetrie mit optimiertem Segmentierungsalgorithmus. Genauigkeit bei verschiedenen Schichtdicken verglichen mit ein- und zweidimensionalen Messungen.  Fortschr Röntgenstr. 2008;  180 791-797
  Google Scholar
• 7 Bolte H, Riedel C, Knöss N. et al . Computed Tomography-Based Lung Module Volumetry – Do Optimized Reconstructions of Routine Protocols Achieve Similar Accuracy, Reproducibility and Interobserver Variability to that of Special Volumetry Protocols?.  Fortschr Röntgenstr. 2007;  179 276-81
  Google Scholar
• 8 Glüer C C, Barkmann R, Hahn H K. et al . Parametrische biomedizinische Bildgebung – was macht die Qualität quantitativer radiologischer Verfahren aus?.  Fortschr Röntgenstr. 2006;  178 1187-201
  Google Scholar
• 9 Diederich S, Wormanns D, Semik M. et al . Screening for early lung cancer with low-dose spiral CT: prevalence in 817 asymptomatic smokers.  Radiology. 2002;  222 773-781
  Google Scholar
• 10 Nawa T, Nakagawa T, Kusano S. et al . Lung cancer screening using low-dose spiral CT: results of baseline and 1-year follow-up studies.  Chest. 2002;  122 15-20
  Google Scholar
• 11 Henschke C I, McCauley D I, Yankelevitz D F. et al . Early Lung Cancer Action Project: overall design and findings from baseline screening.  Lancet. 1999;  354 99-105
  Google Scholar
• 12 Diederich S, Lenzen H, Windmann R. et al . Pulmonary nodules: Eperimental and clinical studies at low-dose CT.  Radiology. 1999;  213 289-298
  Google Scholar
• 13 Karabulut N, Törü M, Gelebeck V. et al . Comparison of low-dose and standard-dose helical CT in the evaluation of pulmonary nodules.  Eur Radiol. 2002;  12 2764-2769
  Google Scholar
• 14 Gergely I, Neumann C, Reiger F. et al . Detektion pulmonaler Rundherde mit der Ultra-low-dose-CT im Rahmen der onkologischen Nachsorge.  Fortschr Röntgenstr. 2005;  177 1077-1083
  Google Scholar
• 15 Das M, Mühlenbruch G, Heinen S. et al . Performance evaluation of a computer-aided detection algorithm for solid pulmonary nodules in low-dose and standard-dose MDCT chest examinations and its influence on radiologists.  Br J Radiol. 2008;  81 841-847
  Google Scholar
• 16 Stamm G, Nagel H D. CT-Expo – ein neuartiges Programm zur Dosisevaluierung in der CT.  Fortschr Röntgenstr. 2002;  174 1570-1576
  Google Scholar
• 17 Naidich D P. Volumetric scans change perceptions in thoracic CT.  Diagn Imaging. 1993;  15 70-74
  Google Scholar
• 18 Seltzer S E, Judy P F, Adams D F. et al . Spiral CT of the chest: comparison of cine and film-based viewing.  Radiology. 1995;  197 73-78
  Google Scholar
• 19 Napel S, Rubin G D, Jeffrey R B. STS-MIP: a new reconstruction technique for CT of the chest.  J Comput Assist Tomogr. 1993;  17 832-838
  Google Scholar
• 20 Diederich Jr S, Lentschig M G, Winter F. et al . Detection of pulmonary nodules with overlapping vs. non-overlapping image reconstruction at spiral CT.  Eur Radiol. 1999;  9 281-286
  Google Scholar
• 21 Rubin G D, Lyo J K, Paik D S. et al . Pulmonary nodules on multi-detector row CT scans: performance comparison of radiologists and computer-aided detection.  Radiology. 2005;  234 274-283
  Google Scholar
• 22 Ravenel J G, McAdams H P, Remy-Jardin M. et al . Multidimensional imaging of the thorax: practical applications.  J Thorac Imaging. 2001;  16 269-281
  Google Scholar
• 23 Remy-Jardin M, Remy J, Giraud F. et al . Pulmonary nodules: detection with thick-section spiral CT versus conventional CT.  Radiology. 1993;  187 513-520
  Google Scholar
• 24 Schaefer-Prokop C, Prokop M. New imaging techniques in the treatment guidelines for lung cancer.  Eur Respir J Suppl. 2002;  35 71 s-83 s
  Google Scholar
• 25 Wormanns D, Ludwig K, Beyer F. et al . Detection of pulmonary nodules at multirow-detector CT: effectiveness of double reading to improve sensitivity at standard-dose and low-dose chest CT.  Eur Radiol. 2005;  15 14-22
  Google Scholar
• 26 Mayo J R, Kim K I, MacDonald S L. et al . Reduced radiation dose helical chest CT: effect on reader evaluation of structures and lung findings.  Radiology. 2004;  232 749-756
  Google Scholar
• 27 Saba L, Caddeo G, Mallarini G. Computer-Aided Detection of Pulmonary Nodules in Computed Tomography: Analysis and Review of the Literature.  J Comput Assist Tomogr. 2007;  31 611-619
  Google Scholar
• 28 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;  12 1052-1057
  Google Scholar
• 29 Armato S G, Giger M L, MacMahon H. et al . Lung cancer: performance of automated lung nodule detection applied to cancers missed in a CT screening program.  Radiology. 2002;  225 685-692
  Google Scholar
• 30 Fraioli F, Catalano C, Almberger M. et al . Evaluation of effectiveness of a computer system (CAD) in the identification of lung nodules with low dose MSCT: scanning techniques and preliminary results.  Radiol Med. 2004;  109 40-49
  Google Scholar
• 31 Marten K, Seyfarth T, Auer F. et al . Computer-assisted detection of pulmonary nodules: performance evaluation of an expert knowledge based detection system in consensus reading with experienced and inexperienced chest radiologists.  Eur Radiol. 2004;  14 1930-1938
  Google Scholar
• 32 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;  15 203-212
  Google Scholar
• 33 Goo J M, Lee J W, Lee H J. et al . Automated lung nodule detection at low dose CT: preliminary experience.  Korean J Radiol. 2003;  4 211-216
  Google Scholar
• 34 Das M, Mühlenbruch G, Mahnken A. et al . Small pulmonary nodules: effect of two computer-aided-detection systems on radiologist performance.  Radiology. 2006;  241 564-571
  Google Scholar
• 35 Yuan R, Vos P M, Cooperberg P L. Computer-aided detection in screening CT for pulmonary nodules.  Am J Roentgenol. 2006;  186 1280-1287
  Google Scholar
• 36 Bae K T, Kim J S, Na Y H. et al . Pulmonary nodules: automated detection on CT images with morphologic matching algoritm preliminary result.  Radiology. 2005;  236 286-294
  Google Scholar
• 37 Ko J P, Betke M. Chest CT: Automated Nodule detection and assessment of change over time-preliminary experience.  Radiology. 2001;  218 267-273
  Google Scholar
• 38 Thurfjell E L, Lernevall K A, Taube A A. Benefit of independent double reading in a population-based mammography screening program.  Radiology. 1994;  191 241-244
  Google Scholar
• 39 Beam C A, Sullivan D C, Layde P M. Effect of human variability on independent double reading in screening mammography.  Acad Radiol. 1996;  3 891-897
  Google Scholar
• 40 Quekel L G, Goei R, Kessels A G. et al . Detection of lung cancer on the chest radiograph: impact of previous films, clinical information, double reading, and dual reading.  J Clin Epidemiol. 2001;  54 1146-1150
  Google Scholar

Dr. Patrick Alexander Hein

Institut für Radiologie, Charité Campus Mitte, Charité-Universitätsmedizin Berlin

Charitéplatz 1

10117 Berlin

Phone: + + 49/30/62 73 45

Fax: + + 49/30/52 79 10

Email: patrick.hein@charite.de