• 传统定性和定量方法的诊断功效[时间范围：后期6个月]
  诊断功效包括灵敏度，特异性，正预测价值，负预测价值和诊断准确性。
• 基于图像的多模式深度学习模型的诊断功效[时间范围：6个月后的过程]
  诊断功效包括灵敏度，特异性，正预测价值，负预测价值和诊断准确性。
• 基于深度学习的预测模型与传统的定性和定量方法的比较[时间范围：后期6个月]
  诊断功效包括灵敏度，特异性，正预测价值，负预测价值和诊断准确性。

胸膜内LNS肿大有多种疾病，其中胸膜内LNS转移的肺癌是最常见的恶性疾病。良性病变，包括炎症，结核病和结节病，还需要区分靶向治疗。

EBUS多模式图像包括灰度，血流多普勒和弹性图，可用作无创诊断并补充具有重要临床应用值的病理结果。这项研究包括两个部分：回顾性的EBU人工智能预测模型和预测模型的多中心验证。该研究总共将注册1300个LN。

在保留视频期间，使用超声宿主（EU-ME2，Olympus或Hi-Vision Avius，Hitachi）检查了目标LN和外围容器，配备了弹性摄影和多普勒功能以及超声支气管镜检查（BF-UC260FW，Olympus，Olympus，olympus，pertenax）） 。收集目标LN的多模式图像数据。

研究人员将首先使用来自1000 LN的图像进行深度学习构建人工智能预测模型，并在其他300 LN中验证该模型。该模型将与传统的定性和定量评估方法进行比较，以验证诊断功效。

• Steinfort DP，Conron M，Tsui A，Pasricha SR，Renwick WE，Antippa P，Irving LB。支气管超声引导的经支流针抽吸，以评估可疑淋巴瘤。 J Thorac Oncol。 2010 Jun; 5（6）：804-9。
• Sun J，Teng J，Yang H，Li Z，Zhang J，Zhao H，Garfield DH，Han B.支撑超声引导的经支流针吸入诊断胸骨膜内结核病。 Ann Thorac Surg。 2013年12月; 96（6）：2021-7。 doi：10.1016/j.athoracsur.2013.07.005。 EPUB 2013年9月12日。
• Fujiwara T，Yasufuku K，Nakajima T，Chiyo M，Yoshida S，Suzuki S，Suzuki M，Shibuya K，Hiroshima K，Hiroshima K，Nakatani Y，Nakatani Y，YoshinoI。肺癌：一种标准的内向型超声图像分类系统。胸部。 2010年9月； 138（3）：641-7。 doi：10.1378/cast.09-2006。 Epub 2010 Apr 9。
• Nakajima T，Anayama T，Shingyoji M，Kimura H，Yoshino I，Yasufuku K.淋巴结淋巴结的血管图像模式用于预测EBUS-TBNA期间转移性疾病用于肺癌的纵隔分期。 J Thorac Oncol。 2012年6月； 7（6）：1009-14。 doi：10.1097/jto.0b013e31824cbafa。
• Wang L，Wu W，Hu Y，Teng J，Zhong R，Han B，Sun J.支气管内超声检查的超声检查特征可以预测肺癌患者中胸前淋巴结转移。 Ann Thorac Surg。 2015年10月； 100（4）：1203-9。 doi：10.1016/j.athoracsur.2015.04.143。 Epub 2015年7月28日。
• Izumo T，Sasada S，Chavez C，Matsumoto Y，Tsuchida T.诊断纵隔和肺门淋巴结诊断的支气管超声弹性弹力。 JPN J Clin Oncol。 2014年10月； 44（10）：956-62。 doi：10.1093/jjco/hyu105。 EPUB 2014年8月13日。
• SăftoiuA，Vilmann P，Gorunescu F，Janssen J，Hocke M，Larsen M，Larsen M，Iglesias-Garcia J，Arcidiacono P，Will U，Giovannini M，Dietrich C，Dietrich C，Havre R，Havre R，Gheorghe C，McKay C，McKay C，Geheonea di，Ciiurea t;欧洲EUS弹性学多中心研究小组。内窥镜超声弹性图的准确性用于局灶性胰腺肿块的鉴别诊断：一项多中心研究。内窥镜检查。 2011年7月； 43（7）：596-603。 doi：10.1055/s-0030-1256314。 Epub 2011 3月24日。
• Gulshan V，Peng L，Coram M，Stumpe MC，Wu D，Narayanaswamy A，Venugopalan S，Widner K，Madams T，Cuadros J，Kim R，Raman R，Raman R，Raman R，Nelson PC，Mega JL，Webster DR。在视网膜眼镜照片中检测糖尿病性视网膜病的深度学习算法的开发和验证。贾马。 2016年12月13日； 316（22）：2402-2410。 doi：10.1001/jama.2016.17216。

纳入标准：

1. 胸部CT显示出胸腔内的LNS（直径短> 1 cm）或PET / CT显示出胸腔内LNS中FDG摄取量增加（SUV≧2.0）的患者；
2. 应在LNS上进行诊断或术前分期的LNS进行操作医师。
3. 患者同意接受eBus-tbna，签署知情同意，没有禁忌症。

排除标准：

- 其他情况不适合EBUS-TBNA的患者。

• 传统定性和定量方法的诊断功效[时间范围：后期6个月]
  诊断功效包括灵敏度，特异性，正预测价值，负预测价值和诊断准确性。
• 基于图像的多模式深度学习模型的诊断功效[时间范围：6个月后的过程]
  诊断功效包括灵敏度，特异性，正预测价值，负预测价值和诊断准确性。
• 基于深度学习的预测模型与传统的定性和定量方法的比较[时间范围：后期6个月]
  诊断功效包括灵敏度，特异性，正预测价值，负预测价值和诊断准确性。

胸膜内LNS肿大有多种疾病，其中胸膜内LNS转移的肺癌是最常见的恶性疾病。良性病变，包括炎症，结核病和结节病，还需要区分靶向治疗。

EBUS多模式图像包括灰度，血流多普勒和弹性图，可用作无创诊断并补充具有重要临床应用值的病理结果。这项研究包括两个部分：回顾性的EBU人工智能预测模型和预测模型的多中心验证。该研究总共将注册1300个LN。

在保留视频期间，使用超声宿主（EU-ME2，Olympus或Hi-Vision Avius，Hitachi）检查了目标LN和外围容器，配备了弹性摄影和多普勒功能以及超声支气管镜检查（BF-UC260FW，Olympus，Olympus，olympus，pertenax）） 。收集目标LN的多模式图像数据。

研究人员将首先使用来自1000 LN的图像进行深度学习构建人工智能预测模型，并在其他300 LN中验证该模型。该模型将与传统的定性和定量评估方法进行比较，以验证诊断功效。

• Steinfort DP，Conron M，Tsui A，Pasricha SR，Renwick WE，Antippa P，Irving LB。支气管超声引导的经支流针抽吸，以评估可疑淋巴瘤。 J Thorac Oncol。 2010 Jun; 5（6）：804-9。
• Sun J，Teng J，Yang H，Li Z，Zhang J，Zhao H，Garfield DH，Han B.支撑超声引导的经支流针吸入诊断胸骨膜内结核病。 Ann Thorac Surg。 2013年12月; 96（6）：2021-7。 doi：10.1016/j.athoracsur.2013.07.005。 EPUB 2013年9月12日。
• Fujiwara T，Yasufuku K，Nakajima T，Chiyo M，Yoshida S，Suzuki S，Suzuki M，Shibuya K，Hiroshima K，Hiroshima K，Nakatani Y，Nakatani Y，YoshinoI。肺癌：一种标准的内向型超声图像分类系统。胸部。 2010年9月； 138（3）：641-7。 doi：10.1378/cast.09-2006。 Epub 2010 Apr 9。
• Nakajima T，Anayama T，Shingyoji M，Kimura H，Yoshino I，Yasufuku K.淋巴结淋巴结的血管图像模式用于预测EBUS-TBNA期间转移性疾病用于肺癌的纵隔分期。 J Thorac Oncol。 2012年6月； 7（6）：1009-14。 doi：10.1097/jto.0b013e31824cbafa。
• Wang L，Wu W，Hu Y，Teng J，Zhong R，Han B，Sun J.支气管内超声检查的超声检查特征可以预测肺癌患者中胸前淋巴结转移。 Ann Thorac Surg。 2015年10月； 100（4）：1203-9。 doi：10.1016/j.athoracsur.2015.04.143。 Epub 2015年7月28日。
• Izumo T，Sasada S，Chavez C，Matsumoto Y，Tsuchida T.诊断纵隔和肺门淋巴结诊断的支气管超声弹性弹力。 JPN J Clin Oncol。 2014年10月； 44（10）：956-62。 doi：10.1093/jjco/hyu105。 EPUB 2014年8月13日。
• SăftoiuA，Vilmann P，Gorunescu F，Janssen J，Hocke M，Larsen M，Larsen M，Iglesias-Garcia J，Arcidiacono P，Will U，Giovannini M，Dietrich C，Dietrich C，Havre R，Havre R，Gheorghe C，McKay C，McKay C，Geheonea di，Ciiurea t;欧洲EUS弹性学多中心研究小组。内窥镜超声弹性图的准确性用于局灶性胰腺肿块的鉴别诊断：一项多中心研究。内窥镜检查。 2011年7月； 43（7）：596-603。 doi：10.1055/s-0030-1256314。 Epub 2011 3月24日。
• Gulshan V，Peng L，Coram M，Stumpe MC，Wu D，Narayanaswamy A，Venugopalan S，Widner K，Madams T，Cuadros J，Kim R，Raman R，Raman R，Raman R，Nelson PC，Mega JL，Webster DR。在视网膜眼镜照片中检测糖尿病性视网膜病的深度学习算法的开发和验证。贾马。 2016年12月13日； 316（22）：2402-2410。 doi：10.1001/jama.2016.17216。

纳入标准：

1. 胸部CT显示出胸腔内的LNS（直径短> 1 cm）或PET / CT显示出胸腔内LNS中FDG摄取量增加（SUV≧2.0）的患者；
2. 应在LNS上进行诊断或术前分期的LNS进行操作医师。
3. 患者同意接受eBus-tbna，签署知情同意，没有禁忌症。

排除标准：

- 其他情况不适合EBUS-TBNA的患者。