CAD（Computer Aided Diagnosis）の研究は医師にセカンド・オピニオンを与えるために行われ、自動特徴抽出能力を備えた深層学習を用いた。しかし、深層学習は、高性能を達成するためにラベル付きデータを多数必要とします。本論文では、機械学習を用いたびまん性肺疾患の分類問題を扱っており、ラベル付き訓練データの数を減らして高い分類精度を達成することを目指している。提案手法は、最初にSelective Searchを使用して肺CT画像から関心領域（ROI）画像を抽出する。そして、VGG16とSVMとを組み合わせて分類を行う。 VGG16は、畳込みニューラルネットワーク構造の1つであり、特徴抽出器として使用し、分類はSVMで行う。実験結果から、提案法はVGG16単独よりも高い分類精度を示した。
