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。     

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。     

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。     

AI超声辅助诊断系统在低年资医师诊断甲状腺结节良恶性中的应用

目的探讨人工智能超声辅助诊断系统(AI超声系统)是否有助于提高低年资医师对于甲状腺结节良恶性的诊断能力及其在甲状腺癌筛查中的应用价值。方法以在我院行甲状腺手术及病理检查的256例患者,共506个甲状腺结节作为研究对象,两名低年资医师与AI超声系统分别对术前甲状腺结节超声图像进行良恶性分类;之后两名低年资医师分别联合AI超声系统的诊断结果进行良恶性判读的调整。以甲状腺结节手术病理为"金标准",采用灵敏度、特异度和AUC来评估诊断效能。结果对于甲状腺结节良恶性诊断的灵敏度及AUC,AI超声系统均高于两名低年资医师(P0.05)。两名医师联合AI超声系统后,诊断的灵敏度及AUC均有所提高(P0.05)。结论 AI超声系统对甲状腺结节的良恶性诊断具有较高的灵敏度及准确度,联合AI超声系统后,低年资医师可以提高对甲状腺癌诊断的准确度。     

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。     

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。     

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。     

计算机辅助诊断联合超声弹性成像技术对甲状腺结节的诊断价值研究

【摘要】目的：探讨计算机辅助诊断（CAD)联合超声弹性成像技术在鉴别甲状腺良恶性结节的应用价值。方法：选取2019年6月—2020年12月经手术或穿刺活检病理证实的甲状腺结节患者148例（共182个结节）,术前均由高年资超声医师判读,弹性成像分级,CAD系统基于ACR-TIRADS及K-TIRADS指南分析图像及三者联合诊断对甲状腺结节进行分类,以病理结果为金标准,评价其各自的诊断效能。结果:计算机辅助诊断系统,弹性成像技术和超声医师三者联合诊断的诊断效能最高,其灵敏度,特异度,准确度及AUC最高,与弹性成像联合CAD相比,与单一检查方法相比,差异均有统计学意义（P<0.05)。与高年资超声医师相比,无统计学差异。结论：计算机辅助诊断系统,弹性成像技术和超声医师判读三者联合运用在甲状腺结节良恶性的鉴别诊断中诊断效能可媲美高年资超声医师,诊断效能高于两者联合,高于运用单一检查方法。     

TI-RADS联合S-Detect技术对甲状腺结节诊断价值的探讨

目的探讨TI-RADS与S-Detect技术联合应用对甲状腺结节的诊断价值。方法回顾性分析125个结节的超声图像,行TI-RADS分类,并获取S-Detect结果,将每枚结节TI-RADS分类根据S-Detect结果进行联合诊断调整。以病理结果为金标准,比较TI-RADS及其联合S-Detect诊断甲状腺结节的效能。结果较TI-RADS单独诊断:CUT OFF值设为4a类时联合诊断后AUC、特异度、准确度均有上升(P0.05),灵敏度改变无统计学意义(P0.05);CUT OFF值设为4b类时联合诊断后特异度上升(P0.05);AUC、准确度、灵敏度改变无统计学意义(P0.05)。结论 TI-RADS与S-Detect技术联合可提高超声对于甲状腺结节的诊断价值,在减少非必要FNA、避免过度诊断方面有积极的作用。     

常规超声联合S-Detect技术对乳腺病灶的诊断价值

目的旨在比较常规超声BI-RADS分类联合S-Detect技术前后的诊断价值。方法选择435例患者行常规超声及S-Detect技术检查并留图像,由低、中、高年资医师分别阅读图像并进行BI-RADS分类评估。通过两种不同的联合诊断方法对BI-RADS分类进行调整及重新评估。以病理结果作为金标准。通过卡方检验及绘制ROC曲线比较联合诊断前后差异。结果 435例患者共563个病灶(良性403个,恶性160个)。S-Detect诊断灵敏度显著高于低年资医师(P0.001),与中年资、高年资医师比较均无显著差异。S-Detect特异度显著低于三名医师(P均0.001)。S-Detect与低年资医师比较AUC无统计学差异,但显著低于中年资及高年资医师(P均0.000 1)。高年资医师通过联合方法二较原分类诊断乳腺恶性病灶的AUC显著增大;中年资医师联合诊断前后AUC均无差异;低年资医师通过联合方法一较原分类诊断AUC显著性增大。结论 S-Detect技术具有较高的灵敏度,通过不同方式的应用调整BI-RADS分类,S-Detect可以提高低年资及高年资医师的诊断水平。     

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。     

人工智能联合超微血管成像技术在乳腺结节诊断中的价值

目的 探讨人工智能S-Detect技术联合智能三维超微血管成像(3D-SMI)技术对乳腺结节良恶性的诊断价值。方法 选取2021年1月—2023年2月151例(192个结节)乳腺病变患者为研究对象。采用常规超声检查、S-Detect技术、智能3D-SMI技术对乳腺结节进行良恶性鉴别,以术后病理结果为金标准,绘制受试者工作特征(ROC)曲线,分析常规超声检查、S-Detect技术、智能3D-SMI技术及三者联合诊断对乳腺结节良恶性的诊断效能。结果 192个结节中,病理证实良性结节112个,恶性结节80个。常规超声检查、S-Detect技术、智能3D-SMI技术及三者联合诊断的敏感度、特异度和准确度分别为70.00%、83.93%、78.13%, 78.75%、79.46%、79.17%, 71.25%、93.75%、84.38%, 90.00%、80.36%、84.38%。三者联合诊断的诊断效能较常规超声检查、S-Detect技术高,差异有统计学意义(Z=2.567,P=0.010;Z=2.533,P=0.011)。常规超声检查、S-Detect技术、智能3D-SMI技术的曲线下面积(A...     

基于卷积神经网络模型对鉴别卵巢肿瘤良恶性的研究

目的 本研究旨在开发用于卵巢肿瘤良恶性超声图像自动诊断的卷积神经网络(CNN)模型，评估该模型与低年资超声医师单独及联合诊断卵巢肿瘤良恶性的效能。方法 选取336例行经阴道超声检查且有明确病理结果的卵巢肿瘤患者，评估CNN模型对卵巢肿瘤超声图像良恶性分类的效能。绘制受试者工作特征(ROC)曲线，对比低年资超声医师、CNN模型以及联合诊断3种方式的诊断效能。结果 低年资超声医师诊断卵巢良恶性肿瘤的特异度和阳性预测值(79.55%和76.77%)高于CNN模型，而准确度、灵敏度和阴性预测值(77.08%、74.38%和77.35%)显著低于CNN模型；二者联合诊断准确度、特异度、阳性预测值和阴性预测值(84.23%、87.50%、85.43%和83.24%)均显著高于任一种单独诊断方式，仅灵敏度(80.63%)略低于CNN模型。联合诊断的受试者工作特征曲线下面积(AUC)为0.84,显著高于单独诊断的低年资医师(AUC为0.77)及CNN模型(AUC为0.79)。结论 CNN模型可以有效鉴别卵巢肿瘤的良恶性，CNN模型和低年资医师诊断效能相近，二者联合诊断有助于提升低年资超声医师对卵巢肿瘤...     

甲状腺结节良恶性鉴别诊断应用多层螺旋CT的效果研究

目的:对甲状腺结节良恶性不同鉴别诊断方案的实践途径和应用价值予以评析。方法:对外科手术前超声检查和C T检查结果进行了两次审查和分析,并在C T检查中收集了甲状腺结节的诊断结果和C T图像,重点是2016年5月—2020年10月在我院确诊的89例甲状腺结节病患,最后确诊136枚甲状腺结节。结果:136例结节入选者病理诊断良性75.00%,恶性25.00%,超声和C T诊断准确率分别为94.85%、97.06%,二者相差无几(P>0.05)。超声检查良性和恶性特征分明,良恶性病变在CT图像的平扫及强化表现中明显不同。结论:甲状腺结节良恶性病变后期结局明显不同,治疗方法明显不同,予以多层螺旋CT检查可强化诊断效能,清晰展示影像学特征,明确鉴别病变性质,在结节性恶性病变的防治中可发挥重要作用,视病情所需可联合超声诊断,以最大限度地降低误诊漏诊风险。     

超声TI-RADS分级对甲状腺结节良恶性的诊断价值

目的探讨超声甲状腺影像报告与数据系统(TI-RADS)分级对甲状腺结节良恶性的诊断价值。方法选取2018年6月至2020年7月于登封市人民医院就诊的73例甲状腺结节患者(共计97个结节),所有患者均接受超声TI-RADS分级与超声弹性成像检查,并以穿刺活检结果为"金标准",对比两种检查方式对甲状腺结节良恶性的诊断价值。结果经穿刺活检检查得知,97个甲状腺结节中28个诊断为恶性,占28.87%(28/97),69个为良性,占71.13%(69/97);超声TI-RADS分级诊断甲状腺结节良恶性的准确度、特异度、恶性预测价值高于超声弹性成像,差异有统计学意义(P 0.05);超声TI-RADS分级诊断甲状腺结节良恶性的灵敏度、良性预测价值略高于超声弹性成像,差异未见统计学意义(P 0.05);且超声TI-RADS分级结果与穿刺活检结果具有极好的一致性(Kappa=0.876),超声弹性成像检查与穿刺活检检查结果具有理想的一致性(Kappa=0.595)。结论超声TI-RADS分级鉴别诊断甲状腺结节良恶性具有较高准确度,与穿刺活检结果具有极高的一致性,可为临床早期判断疾病性质提供依据。     

超声图像人工智能辅助对甲状腺结节定性诊断价值的研究

目的：研究超声影像智能辅助诊断方法对甲状腺良恶性结节的鉴别诊断价值。方法：收集221例（共273个甲状腺结节）于我院接受甲状腺穿刺或手术的甲状腺癌患者的甲状腺结节超声图像。所有超声图像由不同年资医生、超声图像人工智能辅助诊断方法单独或联合对甲状腺结节超声图像进行分析诊断，对结节进行TI-RADS分类；以甲状腺结节病理结果为“金标准”，分别计算不同年资医生单独或联合人工智能辅助诊断方法对不同类型甲状腺结节分级的敏感度、特异度、阳性预测值、阴性预测值，绘制受试者工作特征曲线（ROC曲线）。结果：病理确诊恶性结节218个，良性结节55个。低年资医生诊断甲状腺结节良恶性敏感度、特异度、准确度分别为68.81%(150/218)、61.82%(34/55)、67.40%(184/273)；高年资医生诊断甲状腺结节良恶性敏感度、特异度、准确度分别为87.61%(191/218)、81.82%(45/55)、86.45%(236/273)；超声图像人工智能辅助诊断甲状腺结节良恶性敏感度、特异度、准确度分别为83.49%(182/218)、78.18%(43/55)、82.42%(225/273)；低...     

二维超声评分法联合超声造影在甲状腺结节良恶性鉴别诊断中的应用价值

目的探讨二维超声(2DUS)评分法联合超声造影(CEUS)在甲状腺结节良恶性鉴别诊断中的应用价值。方法回顾性分析2015年10月-2017年10月我院195例行甲状腺结节切除术患者(223个结节)的临床资料,术前均行2DUS和CEUS检查,以术后病理结果为金标准,分析2DUS评分法联合CEUS诊断甲状腺结节良恶性的临床价值。结果病理结果显示,223个甲状腺结节中,良性结节149个,恶性结节74个;2DUS评分法诊断甲状腺结节良恶性的准确率为81.17%(181/223)、灵敏度为90.54%(67/74)、特异度为76.51%(114/149);甲状腺良性、恶性结节CEUS图像特征比较,差异存在统计学意义(P0.05);CEUS评分诊断甲状腺结节良恶性的准确率为84.30%(188/223)、灵敏度为91.89%(68/74)、特异度为80.54%(120/149);联合诊断评分以5分为临界值,5分为良性(145例),≥5分为恶性(78例),与病理检查结果比较,联合诊断准确率为92.83%(207/223)、灵敏度为91.89%(68/74)、特异度为93.29%(139/149)。结论 2DUS评分法联合CEUS可明显提高甲状腺结节良恶性的诊断效能,联合评分5分可作为诊断甲状腺结节良恶性的临界值。     

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。     

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。     

不同医师对甲状腺结节超声造影定量分析的诊断价值

目的探讨不同医师对甲状腺结节超声造影定量分析的诊断价值。方法选取178例甲状腺结节患者共188个结节,其中良性结节102个,恶性结节86个。比较A医师(5年甲状腺超声工作经验)、B医师(2年甲状腺超声工作经验)、C医师(不足1年甲状腺超声工作经验)判读的超声造影定量分析参数,通过与病理结果比较计算敏感性、特异性后绘制受试者工作特征(ROC)曲线图,确定诊断最佳临界值并计算相应的曲线下面积。采用Kappa检验进行不同医师一致性检验。结果 A医师、B医师与C医师判读的超声造影定量比较差异均有统计学意义(P=0.012、0.017)。A、B医师判读的峰值(Peak)和时间-强度曲线的曲线下面积(AUC)参数,以及A医师和B医师判读的各参数的平均值(以下简称二者均值)对甲状腺良恶性结节的判断,差异均有统计学意义(均P<0.05)。以Peak参数作为诊断标准时,二者均值所得Peak值<30.325是诊断甲状腺良恶性结节的诊断的最佳选择,诊断甲状腺恶性结节的敏感性72.1%,特异性49.0%,ROC曲线下面积0.606;以AUC参数作为诊断标准时,二者均值所得AUC值<3.450是诊断甲状腺良恶性结节的最佳选择,诊断甲状腺恶性结节的敏感性69.8%,特异性58.8%,ROC曲线下面积0.643。A医师与B医师判读Peak、AUC参数均表现为基本一致(Kappa=0.778、0.723)。结论应用超声造影定量分析评估甲状腺结节可行,具有一定经验的医师之间有较高的一致性。