人工智能S-Detect技术结合钙化特征对甲状腺结节的诊断价值

目的探讨人工智能S-Detect技术结合钙化特征在甲状腺结节良恶性诊断中的价值。 方法选取2019年7月至2020年1月于安徽医科大学第二附属医院行甲状腺超声检查并行手术治疗的94例患者（94个甲状腺结节）。采用常规超声和S-Detect技术对94例患者的94个甲状腺结节进行检查。以术后病理结果作为金标准,分析超声医师、S-Detect及S-Detect结合钙化特征对甲状腺结节的诊断效能。 结果经手术病理证实,94个甲状腺结节中,良性37个,恶性57个。超声医师诊断甲状腺结节良恶性的敏感度91.2%,特异度91.8%,准确性91.4%;S-Detect诊断甲状腺结节良恶性的敏感度96.4%,特异度81.1%,准确性90.4%;S-Detect结合钙化特征诊断甲状腺结节的敏感度98.2%,特异度81.8%,准确性92.5.%。超声医师、S-Detect技术及S-Detect结合钙化特征诊断甲状腺结节的ROC曲线下面积分别为0.879、0.864、0.890。S-Detect结合钙化特征的诊断效能优于单独应用常规超声和S-Detect技术（Z=2.020,P=0.043;Z=2.231,P=0.026）。 结论S-Detect技术结合钙化特征可提高甲状腺结节的诊断效能,值得临床推广应用。     

不同人工智能技术对乳腺BI-RADS 4类结节的诊断价值比较

目的 探讨医准智能软件与超声S-Detect技术对乳腺影像报告和数据系统(BI-RADS)4类结节良恶性的诊断价值。方法 回顾性分析就诊的462例经常规超声诊断为BI-RADS 4类乳腺结节的患者(495个结节)。患者治疗前均行超声S-Detect技术、医准智能软件检查,以病理结果为金标准,比较超声S-Detect技术、医准智能软件对BI-RADS 4类乳腺结节的诊断效能。结果 495个结节经病理证实恶性结节227个、良性结节268个。S-Detect技术诊断乳腺良恶性结节的灵敏度(SE)、特异度(SP)、准确度(ACC)、阳性预测值(PPV)、阴性预测值(NPV)和AUC分别为87.66%、83.21%、85.25%、81.56%、88.84%和0.854,医准智能软件诊断乳腺良恶性结节的SE、SP、ACC、PPV、NPV和AUC分别为95.59%、91.79%、93.54%、90.79%、96.09%和0.937,且SE、SP、ACC、PPV、NPV、AUC与S-Detect技术比较差异均有统计学意义(P<0.05)。结论 医准智能软件对乳腺BI-RADS 4类结节良恶性具有...     

常规超声联合S-Detect技术和超声造影评价甲状腺结节良恶性的价值

目的探讨常规超声联合S-Detect技术和超声造影评价甲状腺结节良恶性的价值。方法选取45个TI-RADS 4类甲状腺结节,采用常规超声、S-Detect、超声造影及联合运用对其进行良恶性判断。以手术病理为金标准计算各种方法的灵敏度、特异度、符合率等,绘制ROC曲线并比较曲线下面积。评价超声诊断结果与病理结果一致性。结果常规超声+S-Detect、常规超声+CEUS及三者联合时诊断效能较单独运用时有提高,三者联合时ROC曲线下面积与常规超声比较差异有统计学意义(P0.05)。三者联合诊断结果与病理结果的一致性Kappa值0.640(P0.05)。结论 S-Detect对甲状腺结节良恶性判断具有一定的辅助价值。多种模式超声联合运用鉴别甲状腺结节良恶性的价值更大。     

超声S-Detect技术对甲状腺TI-RADS 4类结节良恶性的诊断价值

目的探讨超声S-Detect技术对甲状腺TI-RADS 4类结节良恶性的诊断价值。方法取经常规超声诊断为甲状腺TI-RADS 4类结节患者140例(共152个结节),均行超声S-Detect技术检查,以病理结果为金标准,评价超声S-Detect技术、TI-RADS分类及两者联合应用时诊断甲状腺TI-RADS 4类结节良恶性的价值。结果 152个甲状腺结节经病理证实,恶性结节92个,良性结节60个。超声S-Detect技术对TI-RADS 4a类结节的灵敏度40.00%、特异度为90.00%、准确度为81.67%;对TI-RADS 4b类结节的灵敏度为91.11%、特异度为57.14%、准确度86.54%;TI-RADS 4c类结节的灵敏度为94.59%、特异度为66.67%、准确度为92.50%。超声S-Detect技术联合TI-RADS分类诊断甲状腺TI-RADS 4类结节的灵敏度、特异度、准确度分别为93.48%、90.00%、92.11%,明显高于TI-RADS分类及S-Detect技术单独运用时的结果(P0.05)。结论超声S-Detect技术对判断甲状腺TI-RADS 4类结节良恶性有较高的临床价值,超声S-Detect技术联合TI-RADS分类明显提高了鉴别甲状腺结节良恶性的诊断效能。     

人工智能在甲状腺结节良恶性中的诊断价值

目的探讨超声S-Detect技术在甲状腺结节良恶性中的诊断价值。方法由3名超声医师对98例患者共136个甲状腺结节的超声图像进行良恶性评估后与S-Detect技术判别结果进行对比。以病理学结果或ATA指南为诊断标准进行对照,分析不同年资医师及S-Detect技术的诊断效能和评价者之间的一致性。结果 136个甲状腺结节中良性病变81个,恶性病变55个。S-Detect技术诊断灵敏度高于低、中年资医师(P0.05),特异度低于不同年资医师(P0.05),S-Detect诊断准确度为65.44%。S-Detect与高年资医师的诊断一致性中等(Kappa=0.439,P0.05)。与S-Detect联合诊断可明显提高超声医师的诊断效能(P0.05)。结论 S-Detect技术在甲状腺结节良恶性诊断中的灵敏度较高。与S-Detect技术联合诊断可明显提高超声医师的诊断效能,具有很好的临床应用前景。S-Detect技术与高年资医师诊断一致性相对较好,未来有助于超声图像的标准化判读。     

联合应用二维、三维超微血管成像修正S-Detect分类良、恶性乳腺囊实性病变

目的 观察联合应用二维超微血管成像(2D-SMI)及三维超微血管成像(3D-SMI)修正S-Detect分类良、恶性乳腺囊实性病变结果的价值。方法 回顾性分析143例女性患者146个经病理诊断(良性78个、恶性68个)乳腺囊实性病变资料,记录基于二维超声表现的S-Detect分类结果,并根据2D-SMI和3D-SMI所示血供特征、血管构筑及血流动力学等特征加以修正;计算修正前、后S-Detect分类敏感度、特异度及准确率;以受试者工作特征(ROC)曲线及曲线下面积(AUC)评估其效能,以DeLong检验加以比较。结果 修正前S-Detect分类乳腺良、恶性囊实性病变的敏感度、特异度、准确率及AUC分别为61.76%、58.97%、60.27%及0.604,修正后分别为92.65%、58.97%、74.66%及0.758;修正后AUC高于修正前(P＜0.05)。结论 联合应用2D-SMI及3D-SMI评估乳腺囊实性病变有助于修正倾向良性的S-Detect分类结果。     

多模态超声联合人工智能S-Detect技术校正BI-RADS分类对乳腺肿块的诊断价值

目的探讨多模态超声联合人工智能S-Detect技术校正乳腺影像报告与数据系统（BI-RADS）分类对诊断乳腺肿块良恶性的价值。 方法本研究首先采用常规超声、超微血流成像技术及应变弹性成像技术,将2021年7月至12月安徽医科大学第二附属医院收集的连续130例乳腺肿块病例作为训练集进行超声检查,超微血流成像及弹性成像结果分别以血管指数（VI）、弹性应变率（SR）值表示,以病理结果为金标准得出良恶性肿块VI值、SR值的截断值;然后以2022年1月至5月连续110例乳腺肿块作为验证集联合人工智能S-Detect技术,采用常规超声进行BI-RADS分级诊断,再以超微血管成像技术、应变弹性成像技术及S-Detect技术评估结果校正BI-RADS分级,以病理结果为金标准绘制受试者操作特征（ROC）曲线,采用Z检验比较不同诊断方法（常规超声+S-Detect+VI值+ SR值联合诊断以及各方法独立诊断）ROC曲线下面积的差异,计算不同诊断方法的敏感度、特异度、准确性、阳性预测值和阴性预测值。 结果训练集130例乳腺肿块中恶性70例、良性60例,VI值及SR值良恶性截断值分别为4.05、2.59。验证集110例乳腺肿块中恶性63例、良性47例,常规超声、S-Detect、VI值、SR值及四者联合诊断乳腺肿块良恶性的ROC曲线下面积分别为0.936、0.588、0.827、0.802、0.785,联合诊断的效能优于单独应用各独立模块,差异具有统计学意义（Z=6.074,P＜0.001;Z=2.668,P=0.008;Z=3.084,P=0.002;Z=3.293,P=0.001）,联合诊断的敏感度为98.4%、特异度为87.2%、准确性为93.6%、阳性预测值为91.2%、阴性预测值为97.6%。根据2013版美国放射学会BI-RADS≥4类肿块应行穿刺活检,穿刺活检率由87.3%（96/110）降至61.8%（68/110）,并校正4例被错判为良性的恶性病例（非特殊类型的浸润性乳腺癌3例,导管内原位癌1例）,校正32例错判为恶性的良性病例（腺病17例、腺病伴纤维腺瘤14例、叶状肿瘤1例）。 结论多模态超声联合人工智能S-Detect技术校正BI-RADS分类可提升乳腺肿块良恶性的诊断效能,减少不必要的穿刺活检、提高乳腺恶性肿块的检出率。     

C-TIRADS联合S-Detect技术在甲状腺结节诊断中的初步应用

目的探讨C-TIRADS分类方法联合人工智能S-Detect技术对甲状腺结节的诊断价值。方法采用C-TIRADS分类方法和S-Detect技术对98例患者(共98个甲状腺结节)进行评估,以术后病理结果作为金标准,对比分析采用C-TIRADS分类方法、S-Detect技术以及两者联合对甲状腺结节的诊断效能。结果经手术病理证实,98例患者共98个甲状腺结节中,良性40个、恶性58个。超声医师采用C-TIRADS分类方法联合S-Detect技术诊断甲状腺结节良恶性的灵敏度为95.2%、特异度为82.5%、准确率为91.8%,其诊断效能优于单独应用常规超声和S-Detect技术(P0.05)。结论 C-TIRADS分类方法兼顾分类的准确性及临床易用性,适应目前我国甲状腺结节诊治流程,与S-Detect技术联合使用可提高甲状腺结节的诊断效能。     

S-Detect技术应用于超声诊断乳腺包块的影响因素及与超声医师联合诊断的分析

目的:探讨S-Detect应用于乳腺包块中敏感性、特异性、符合率的影响因素。分析S-Detect与超声医师联合诊断的诊断价值,及与病理诊断的一致性。方法:回顾性分析经病理证实且同时应用S-Detect技术诊断的453例乳腺肿物患者的相关资料,根据S-Detect的影响因素分组,采用卡方检验计算并比较S-Detect诊断的敏感性、特异性、符合率。采用Logistic回归分析方法研究影响因素与病理诊断良恶性的关系。由一个超声医师进行乳腺超声检查与S-Detect检查,由另一个超声医师对留存图像进行分析根据美国放射学会BI-RADS分级对包块进行分级,再联合S-Detect做出联合诊断。计算并比较S-Detect、超声医师、联合诊断与病理诊断结果的ROC曲线下面积及一致性。结果:453位女性患者,共581个病灶,病理诊断良性病灶411个,恶性病灶170个。S-Detect诊断导管内乳头状瘤及4 cm>病灶≥2 cm的良性病灶误诊率较高,且有统计学差异。S-Detect诊断的特异性较高(>80.00%)。S-Detect在患者年龄、乳腺包块所在象限及乳腺包块所在深度分组中敏感性、特异性在组内均无统计学差异。病理Logistic回归得出3个有意义的危险因素(年龄、S-Detect、乳腺包块最大径),P<0.05。以病理结果为金标准,SDetect的诊断结果 ROC曲线下面积为0.78,Kappa=0.45,超声医师的诊断结果ROC曲线下面积为0.78,Kappa=0.57,超声医师联合S-Detect(初次联合诊断)的诊断结果 ROC曲线下面积为0.84,Kappa=0.65,超声医师联合S-Detect并参考年龄、最大径及S-Detect的影响因素(再次联合诊断)的诊断结果 ROC曲线下面积为0.89,Kappa=0.76,P<0.05。结论:S-Detect诊断的特异性较高,诊断浸润性导管癌的符合率较高,诊断导管内乳头状瘤符合率较低,4 cm>病灶≥2 cm的良性病灶漏诊率较高。S-Detect应用于乳腺包块的诊断可以提高超声医师诊断的诊断价值及与病理诊断的一致性。     

超声联合纹理分析对乳腺结节良恶性的诊断价值

目的以乳腺结节的灰阶超声及剪切波弹性超声影像为基础，分析超声图像的纹理特征，探索常规超声联合纹理分析对乳腺结节良恶性的诊断价值。 方法前瞻性收集2018年8月至2018年12月于首都医科大学附属北京友谊医院常规超声检查发现乳腺结节并获得病理诊断的患者113例，共113个结节。所有患者均行常规超声及剪切波弹性成像检查，并对113个乳腺结节依据乳腺影像报告和数据系统（BI-RADS）进行分类；对超声图像进行纹理分析，获得纹理特征参数并建立诊断模型。以病理结果为"金标准"，分析纹理特征诊断模型、常规超声联合纹理特征诊断模型对乳腺结节良恶性的诊断价值。 结果以乳腺结节穿刺病理结果为"金标准"，纹理分析诊断乳腺结节良恶性的敏感度、特异度、阳性预测值、阴性预测值及准确性分别为0.64、0.91、0.75、0.86、0.83，ROC曲线下面积为0.77；常规超声与纹理分析联合方法诊断乳腺结节良恶性的敏感度、特异度、阳性预测值、阴性预测值及准确性分别为0.88、0.85、0.71、0.94、0.86，ROC曲线下面积为0.86。联合诊断的ROC曲线下面积高于纹理分析，差异有统计学意义（Z=2.133，P=0.03）。采用常规超声联合纹理分析方法，90.0%（72/80）的BI-RADS 4a类乳腺结节可以降级为BI-RADS 3类，病理结果显示，降级为BI-RADS 3类的乳腺结节中94.4%（68/72）为良性结节。 结论常规超声联合纹理分析对乳腺结节良恶性有较好的诊断效能，可减少不必要的有创性检查，具有良好的应用前景。     

S-Detect技术联合C-TIRADS对超声表现为滤泡性肿瘤样甲状腺结节的诊断价值

目的 探讨S-Detect技术联合C-TIRADS对超声表现为滤泡性肿瘤样甲状腺结节的诊断价值。方法 回顾性分析经手术病理证实的94个超声表现为滤泡性肿瘤样甲状腺结节的影像资料。由不同工作经验超声医师依据C-TIRADS指南对结节进行诊断。以病理结果为金标准,计算并比较S-Detect技术及每位医师联合S-Detect技术前后的诊断效能。结果 S-Detect技术的诊断效能高于有2年工作经验的医师,低于有12年工作经验的医师。联合S-Detect技术后,有2年工作经验医师诊断效能提高,曲线下面积较前升高(P<0.05),其余医师较前无明显差异(P>0.05)。结论 S-Detect技术联合C-TIRADS对超声表现为滤泡性肿瘤样甲状腺结节良恶性的诊断有较好的临床应用价值,可作为低年资医师的辅助诊断方法。     

S-detect技术辅助住院医师诊断甲状腺影像报告和数据系统4类≤1 cm甲状腺结节的应用价值

目的探讨S-detect人工智能技术在辅助住院医师诊断≤1 cm的甲状腺影像报告和数据系统（TI-RADS）4类甲状腺结节良恶性中的临床应用价值。 方法2021年3~4月前瞻性连续纳入在解放军总医院第一医学中心行甲状腺超声检查和甲状腺超声引导下穿刺活检及外科手术切除的133例患者,共133个最大径≤1 cm的TI-RADS 4类甲状腺结节,其中良性结节21个,恶性结节112个。采集上述甲状腺结节的超声图像、S-detect诊断模式图像。以手术病理为金标准,绘制常规超声、S-deteet技术及两者联合诊断甲状腺结节良恶性的受试者操作特征（ROC）曲线,采用McNemar检验对比分析住院医师应用常规超声、S-detect技术及两者联合诊断甲状腺结节良恶性的敏感度、特异度及准确性的差异,采用DeLong检验比较ROC曲线下面积的差异。 结果住院医师应用常规超声诊断甲状腺结节良恶性的敏感度为95.5%（107/112）、特异度为42.9%（9/21）、准确性为88.0%（116/133）;S-detect技术诊断的敏感度为93.8%（105/112）、特异度为52.4%（11/21）、准确性为87.2%（116/133）;S-detect技术与常规超声联合诊断的敏感度为92.0%（105/112）、特异度为76.2%（11/21）、准确性为89.5%（116/133）。常规超声、S-detect技术及两者联合鉴别诊断≤1 cm甲状腺结节良恶性的ROC曲线下面积分别为0.692、0.731和0.841。两者联合诊断的准确性、特异度和ROC曲线下面积均高于单独应用常规超声和S-detect技术,其中ROC曲线下面积比较差异具有统计学意义（P=0.007,P=0.028）。 结论S-detect人工智能技术辅助住院医师可提高对≤1 cm TI-RADS 4类甲状腺结节良恶性的诊断效能。     

三维剪切波弹性成像技术在鉴别诊断乳腺良恶性结节中的应用价值

目的探讨三维剪切波弹性成像（SWE）技术在乳腺良恶性结节鉴别诊断中的应用价值。 方法对2015年8月至2016年6月哈尔滨医科大学附属第一医院收治的128例乳腺占位性病变女性患者149个乳腺结节行常规超声、二维及三维SWE检查。所有病例均经病理证实。绘制SWE定量参数以及常规二维超声及常规二维超声联合SWE鉴别诊断乳腺良恶性结节的受试者操作特征（ROC）曲线,得出曲线下面积（AUC）并采用Z检验进行比较,得出相应的敏感度、特异度并采用McNemar比较。 结果三维SWE中,灰阶图像上测量的标准差（E_SD^U）和弹性图像上测量的标准差（E_SD^E）鉴别诊断乳腺良恶性结节的AUC分别为0.887和0.909,差异无统计学意义（P>0.05）。三维SWE的E_SD^E鉴别诊断乳腺良恶性结节的特异度高于E_SD^U（90.2% vs 82.6%）,且差异有统计学意义（P=0.023）。二维SWE的E_SD^E鉴别诊断乳腺良恶性结节的AUC大于E_SD^U（0.933 vs 0.908）,且差异有统计学意义（P=0.04）。二维SWE的E_SD^E、E_SD^U与三维SWE的E_SD^E、E_SD^U鉴别诊断乳腺良恶性结节的AUC差异均无统计学意义。常规二维超声联合二维、三维SWE鉴别诊断乳腺良恶性结节的AUC均高于常规二维超声,且差异均有统计学意义（P<0.05）;除了三维SWE的E_SD^U,其余常规二维超声联合二维、三维SWE鉴别诊断乳腺良恶性结节的特异度均高于常规二维超声,且差异均有统计学意义（P均<0.05）。 结论三维SWE在乳腺良恶性结节的鉴别中显示了良好的诊断效能,其中E_SD^E较E_SD^U具有更高的临床应用价值。     

声触诊组织量化与声触诊组织定量技术对甲状腺结节良恶性的鉴别诊断

目的比较声触诊组织量化(VTIQ)与声触诊组织定量(VTQ)技术在甲状腺结节良恶性鉴别诊断中的应用价值。方法选取2016年8月至11月在哈尔滨医科大学附属第一医院就诊并经手术病理证实的182例患者共186个甲状腺结节,行常规超声与VTIQ及VTQ检查。测量良恶性结节的剪切波速度(SWV),采用t检验比较良性结节与恶性结节之间SWV测值的差异。绘制受试者工作特征(ROC)曲线,计算VTIQ与VTQ技术鉴别诊断甲状腺良恶性结节的敏感度、特异度、准确性、阳性预测值和阴性预测值。采用Z检验分析曲线下面积(AUC)进行组间比较,比较两种弹性技术对甲状腺结节的诊断效能。结果 186个甲状腺结节中,82个结节为良性,104个结节为恶性。VTIQ SWV平均值、VTIQ SWV中位数、VTQ SWV平均值、VTQ SWV中位数测量甲状腺结节良恶性曲线下面积分别为0.848、0.790、0.759、0.717。在VTIQ与VTQ技术中,SWV平均值均较SWV中位数诊断效能高,差异均有统计学意义(VTIQ技术:Z=2.104,P=0.0354;VTQ技术:Z=2.190,P=0.0285),VTIQ SWV平均值与VTQ SWV平均值鉴别甲状腺结节良恶性的比较,差异有统计学意义(Z=2.115,P=0.0344),以VTIQ SWV平均值诊断效能最佳,鉴别结节良恶性的截断值为2.91 cm/s,敏感度、特异度、准确性、阳性预测值、阴性预测值分别为72.12%、87.80%、79.03%、88.24%、71.29%。结论 VTQ与VTIQ弹性成像技术对甲状腺结节良恶性的鉴别诊断均有较好的应用价值。VTIQ SWV平均值较VTQ SWV平均值对良恶性的鉴别诊断有一定的优势。     

多模式超声成像评分在甲状腺结节良恶性鉴别诊断中的应用

目的探讨甲状腺影像报告和数据系统(TI-RADS)常规超声分级、弹性成像及超声造影多模式超声成像评分在鉴别诊断甲状腺结节良恶性中的应用价值。方法选取我院经病理证实的甲状腺结节患者135例,共计162个结节,分别行TI-RADS常规超声分级、弹性评分及造影增强模式分析,判断结节的良恶性,评估三种方法诊断效能及联合诊断后的敏感性、特异性及准确率,并进行评分分析。与术后病理结果对照,绘制受试者工作特征(ROC)曲线确定甲状腺结节良恶性的最佳评分临界值。结果三者联合诊断甲状腺恶性结节的敏感性、特异性及准确率分别为88.8%、96.3%及93.8%,与单一的诊断效能比较差异均有统计学意义(均P0.05)。ROC曲线分析显示,三者联合诊断甲状腺结节良恶性临界值为6分时诊断甲状腺恶性结节的敏感性92.6%,特异性87.7%,准确率89.5%。结论 TI-RADS常规超声分级、弹性成像技术及超声多模式超声成像可提高甲状腺结节良恶性的诊断效率,当联合诊断评分6分时,可判断为恶性。     

常规超声与S-Detect技术在乳腺病灶良恶性鉴别诊断中的效能比较

目的探讨常规超声与S-Detect技术在乳腺病灶良恶性鉴别诊断中的效能比较。 方法选取2018年6月至7月在中国医科大学附属第一医院经手术病理证实的367例乳腺病灶患者，共468个病灶。所有病灶分别由3名不同年资（1、4、7年）乳腺超声医师进行二维超声成像（静态图像及动态图像）的两次乳腺超声影像报告与数据系统（BI-RADS）分类以及计算机S-Detect分类，通过绘制不同BI-RADS分类诊断组的ROC曲线，确定最佳诊断界值，以进行各组BI-RADS分类的良恶性统计，以病理结果为"金标准"，应用诊断试验四格表分别计算不同BI-RADS分类诊断组及S-Detect分类组对乳腺病灶良恶性诊断的敏感度、特异度、准确性、阳性预测值及阴性预测值，采用χ²检验分别将各BI-RADS分类组诊断效能与S-Detect分类组进行比较。绘制各组的ROC曲线，应用Z检验分别将各BI-RADS分类组ROC曲线下面积与S-Detect分类组进行比较。 结果468个乳腺病灶术后病理诊断良性313个，恶性155个。通过绘制不同BI-RADS分类诊断组的ROC曲线，确定最佳诊断界值为BI-RADS 4a类。S-Detect分类诊断敏感度93.5%明显高于低年资医师静态图像BI-RADS分类诊断69.0%及低年资医师动态录像BI-RADS分类诊断72.3%，差异有统计学意义（χ²=30.627、24.785，P均<0.001），S-Detect分类诊断特异度83.7%，明显低于中年资医师动态图像BI-RADS分类诊断92.0%，差异有统计学意义（χ²=10.124，P=0.001），其余各诊断效能差异均无统计学意义（P均>0.05）。S-Detect分类诊断曲线下面积0.917高于低年资医师两次（静态图像及动态图像）BI-RADS分类0.790、0.803，差异均有统计学意义（Z=5.271、4.693，P均<0.0001）；S-Detect分类诊断曲线下面积与中年资医师静态BI-RADS分类0.917比较，差异无统计学意义（P>0.05），低于中年资医师动态BI-RADS分类0.941，差异有统计学意义（Z=4.327，P<0.0001）；S-Detect分类诊断曲线下面积均低于高年资医师两次BI-RADS分类0.946、0.959，差异均有统计学意义（Z=4.225、5.477，P均<0.0001）。 结论S-Detect分类技术可以达到中年资医师静态图像BI-RADS分类的诊断水平，但低于其动态图像的诊断水平。     

自动乳腺全容积超声成像与常规超声诊断乳腺癌价值的对比研究

目的比较自动乳腺全容积超声成像(ABVS)技术与常规超声对乳腺癌的诊断价值。方法回顾性分析126例乳腺肿块患者(132个结节)的术前常规超声和ABVS检查资料,分析总结其声像图特征。以病理结果为金标准,比较单独ABVS、常规超声及二者联合对乳腺结节的诊断效能。结果 132个乳腺结节中,经病理证实恶性60个,良性72个。常规超声通过结节边缘不光整诊断乳腺恶性结节的敏感性86.7%、特异性62.5%、阳性预测值65.8%、阴性预测值84.9%;ABVS通过结节周边"汇聚征"诊断乳腺恶性结节的敏感性60.0%、特异性94.4%、阳性预测值90.0%、阴性预测值73.9%;二者联合诊断乳腺恶性结节的敏感性88.3%、特异性59.7%、阳性预测值65.5%、阴性预测值89.6%。对于乳腺恶性结节,常规超声诊断敏感性高于ABVS,ABVS诊断特异性明显高于常规超声和二者联合诊断,差异均有统计学意义(均P0.05)。结论 ABVS较常规超声能提供更加全面的图像信息,对乳腺癌诊断的特异性较高,可作为常规超声的补充。     

常规超声检查联合声触诊组织成像技术鉴别诊断乳腺良恶性病变的价值

目的采用乳腺影像报告与数据系统（BI-RADS）分类诊断标准,探讨常规超声检查联合声触诊组织成像（VTI）技术鉴别诊断乳腺良恶性病变的价值。 方法对2013年1月至2014年10月同济大学附属第十人民医院经手术病理证实的389例乳腺肿瘤患者395个病灶,术前行常规超声检查及VTI检查,VTI模式下对乳腺良恶性病变进行分级,记录乳腺病灶边界是否清晰进行,并分别采用常规超声检查、常规超声检查联合VTI技术对乳腺良恶性病变进行BI-RADS分类。采用χ²检验比较乳腺良恶性病变VTI分级、VTI模式下病灶边界情况差异。以手术病理结果作为金标准,计算常规超声检查、常规超声检查联合VTI技术鉴别诊断乳腺良恶性病变的敏感度、特异度、准确性,并采用McNemar?s test进行比较。 结果本组395个乳腺病灶中,282个（71.4%）为乳腺良性病变,113个（28.6%）为乳腺恶性病变。75.5%（213/282）的乳腺良性病变为VTI分级Ⅱ~Ⅲ级,83.2%（94/113）的乳腺恶性病变为VTI分级Ⅳ~Ⅴ级。乳腺良恶性病变VTI模式下分级差异有统计学意义（χ²=114.759,P<0.01）。77.7%（219/282）的乳腺良性病变VTI模式下肿块边界不清晰,78.8%（89/113）的乳腺恶性病变VTI模式下肿块边界多清晰。乳腺良恶性病变VTI模式下病灶边界情况差异有统计学意义（χ²=108.480,P<0.01）。常规超声检查鉴别诊断乳腺良恶性病变的敏感度为97.3%,特异度为54.2%,准确性为66.6%;常规超声检查联合VTI技术鉴别诊断乳腺良恶性病变的敏感度为98.2%,特异度为84.4%,准确性为88.4%。常规超声联合VTI技术鉴别诊断乳腺良恶性病变的特异度、准确性均高于常规超声检查鉴别诊断乳腺良恶性病变的特异度、准确性,且差异均有统计学意义（χ²=79.425、67.549,P均<0.01）;但敏感度差异无统计学意义（χ²=11.974,P>0.05）。 结论常规超声检查联合VTI技术能够提高乳腺良恶性病变鉴别诊断的特异度和准确性。     

ABVS联合手动超声在乳腺良恶性病灶鉴别诊断中的价值

目的探讨ABVS联合手动超声在乳腺病灶良恶性鉴别诊断中的应用价值。方法对我院收治的,经手术或穿刺活检病理证实的乳腺疾病患者99例共128个病灶行ABVS联合手动超声检查。绘制ABVS联合手动超声鉴别乳腺病灶良恶性的操作者工作特征(ROC)曲线,计算ABVS联合手动超声诊断乳腺病灶良恶性的灵敏度、特异度、准确度、曲线下面积。结果 99例患者128个病灶中良性病灶54个,恶性病灶74个;ABVS联合手动超声诊断乳腺病灶良恶性的灵敏度、特异度、准确度、曲线下面积分别为89.90%、77.9.%、83.50%、0.838。结论 ABVS联合手动超声具有提高乳腺良恶性病灶诊断效能的潜在价值。     

S-Detect技术在乳腺非肿块型病变中的诊断价值

目的探讨S-Detect技术在乳腺非肿块型病变中的诊断价值,并进一步分析不同切面下S-Detect的诊断效能差异。方法选取我院行常规超声及S-Detect技术检查并取得病理结果的乳腺非肿块型病变62例,以病理结果为金标准,比较超声医师、S-Detect技术的诊断效能及二者与病理结果的一致性,并分析S-Detect技术不同切面对乳腺非肿块型病变的诊断效能差别。结果 62例非肿块型病变中,良性52例,恶性10例。S-Detect技术诊断乳腺非肿块型病变的灵敏度(100.0%)与中年资医师组(90.0%)无明显差异(P0.05),医师组诊断特异度与准确度高于S-Detect(82.7%vs 59.6%、83.9%vs 66.1%,P0.05)。S-Detect技术诊断乳腺非肿块型病变的ROC曲线下面积(0.798)与中年资医师组(0.863)差异无统计学意义(P0.05)。S-Detect技术、医师组与病理结果的一致性Kappa值分别为0.323、0.549。S-Detect技术不同切面(最大径切面、最大径垂直切面、超声特征最典型切面)诊断乳腺非肿块型病变的ROC曲线下面积(0.729、0.688、0.692)差异无统计学意义(P0.05)。结论 S-Detect技术对乳腺非肿块型病变的诊断水平与中年资医师组相当。S-Detect技术不同切面诊断效能一致。