乳腺X线Quantra软件与乳腺影像报告和数据系统分类评价乳腺密度一致性研究

目的:探讨乳腺X线Quantra软件与乳腺影像报告和数据系统(Breast Imaging Reporting and Data Systern,BIRADS)分类评价乳腺密度(mammographicdensity,MD)的一致性。方法:回顾并分析2016年1—11月于天津医科大学肿瘤医院行乳腺X线摄影检查的2 550例患者的影像学资料,原始图像采用Quantra 2.0软件进行分析,自动计算出MD、q_abd及Q_abd。依据BI-RADS分类,由2名从事乳腺影像诊断的高年资放射医师独立阅片并评价MD。采用SPSS19.0软件对乳腺X线Quantra软件Q_abd值与BI-RADS分类进行一致性检验(Kappa检验)。利用受试者工作特征(receiver operating characteristic,ROC)曲线分析Quantra软件Q_abd值与BI-RADS 2分类(致密型与非致密型)的关系,其曲线下面积(area under curve,AUC)、95%CI、灵敏度、特异度和界值。结果:BI-RADS 4分类与Quantra软件测得的Q_abd值进行一致性分析,Kappa值为0.665,而2分类时Kappa值为0.760。利用ROC曲线分析Quantra软件Q_abd值与BI-RADS 2分类的关系,其AUC为0.957、95%CI:0.951～0.964、灵敏度为86.0%、特异度为99.2%,致密型乳腺与非致密型乳腺的界值为13%。结论:乳腺X线摄影采用Quantra软件评价MD是一种较为简单、客观和准确的方法,并能有效避免较多依赖于放射医师经验的主观判断。     

不同年资医师运用BI-RADS判断乳腺病灶特征的一致性

目的 回顾性分析不同年资超声医师和X线医师运用BI-RADS判断乳腺病灶影像学特征的一致性.方法 超声图像和钼靶图像各由1名经验丰富的医师采集、存图.参照BI-RADS描述的各影像特征.由不同年资超声和X线医师分别对441个乳腺病灶的影像图独立阅片,记录每个病灶的影像学特征.用Cohen's Kappa(K)统计分析不同年资医师判断病灶特征的一致性.结果 ①两名不同年资X线医师判断乳腺有无病灶的整体一致性好(K=0.71),判断病灶形状、边缘的整体一致性呈中度(K=0.45、0.47),而判断病灶密度的整体一致性弱(K=0.26);判断乳腺有无钙化和钙化形态整体一致性好(K=0.73、0.78);②两名不同年资超声医师判断乳腺病灶形状的整体一致性好(K=0.66),判断病灶有无包膜、内部回声整体一致性呈中度(K=0.57、0.41);而判断病灶边缘、后方回声的整体一致性弱(K=0.35、0.40).结论 BI-RADS术语描述病灶特征较为详细,受诊断者经验影响较小.     

S-Detect技术在不同级别超声医师乳腺肿物性质诊断的应用价值

目的探讨超声智能化诊断(S-Detect)技术在不同级别超声医师对乳腺肿物性质诊断的应用价值。方法选取在我院门诊行乳腺超声检查有乳腺肿块的患者168例,乳腺肿物共206个,其中将符合标准的168个乳腺肿物纳入研究。A组两名高级职称的超声医师和B组两名初级职称的超声医师分别用BI-RADS分类和S-Detect技术对乳腺肿物进行良恶性评估。所有肿物均经穿刺活检或手术取得病理结果为金标准。结果A组医师单独应用BI-RADS分类、S-Detect及联合应用两种诊断技术的灵敏度分别为81.25%、87.50%、93.75%,特异度分别为76.32%、79.60%、84.21%,准确度分别为76.79%、80.36%、85.12%,一致性检验Kappa值分别为0.30、0.37、0.48。B组医师单独应用BI-RADS分类、S-Detect及联合应用两种诊断技术的灵敏度分别为68.75%、75.00%、87.50%,特异度分别为65.79%、68.42%、82.89%,准确度分别为66.07%、69.04%、83.33%,一致性检验Kappa值分别为0.15、0.20、0.42。结论超声智能化诊断技术联合应用BI-RADS分类能提高高级职称医师和初级职称医师对乳腺肿物性质诊断的准确度及其一致性,其中对于初级超声医师对乳腺肿物性质诊断的辅助价值更明显。     

人工智能自动检测系统对不同经验医师诊断乳腺小肿块的辅助作用

目的初步探讨人工智能自动检测系统对乳腺小肿块的诊断效能以及对不同经验医师的辅助作用。 方法选取中国科学院大学宁波华美医院164个经病理证实的最大直径≤10 mm的乳腺小肿块,由4名不同经验的医师（医师A和医师B归为高年资医师组,医师C和医师D归为低年资医师组）先独立诊断,给出相应的乳腺影像报告与数据系统（BI-RADS）分类,结果设为A1组、B1组、C1组和D1组。4周后,4名医师再次联合应用人工智能自动检测系统诊断,结果设为A2组、B2组、C2组和D2组。人工智能自动检测系统诊断结果设为M组。以病理结果为金标准,计算不同组医师诊断的敏感度、特异度、准确性、阴性预测值和阳性预测值,绘制受试者操作特征曲线。采用Kappa检验比较不同组观察者间的一致性。 结果病理结果显示,164个乳腺肿块中良性117个（71.34%）,恶性47个（28.66%）。人工智能自动检测系统对乳腺小肿块有良好的诊断效能,敏感度、特异度、准确性分别为91.49%、90.6%、90.85%。联合应用人工智能自动检测系统后高年资医师的诊断效能有上升趋势,敏感度、特异度分别为A1组82.98%、82.05%;A2组87.23%、89.74%;B1组80.85%、84.62%;B2组85.11%、89.74%。低年资医师在人工智能自动检测系统的辅助下诊断效能明显提高,敏感度、特异度分别为C1组76.60%、74.36%;C2组82.98%、82.05%;D1组68.09%、73.50%;D2组80.85%、80.34%。此外低年资医师借助人工智能自动检测系统对乳腺小肿块BI-RADS分类的观察者间一致性明显提高,低年资医师间的Kappa值由0.236提高到0.549,低年资医师与高年资医师的Kappa值由0.268~0.284提高到0.432~0.540。 结论人工智能自动检测系统对乳腺小肿块良恶性的判断具有较高的诊断效能,其对不同经验医师的辅助作用不同,对低年资医师的影响大于高年资医师。人工智能自动检测系统有助于提高低年资医师BI-RADS分类观察者间的一致性。     

2013版BI-RADS分类标准结合声触诊组织量化技术鉴别诊断乳腺良恶性病灶的价值

目的 探讨2013版超声乳腺影像报告和数据系统(BI-RADS)分类诊断标准结合声触诊组织量化技术(VTQ)鉴别乳腺良恶性病灶的价值。方法 对251位患者共334个乳腺病灶行常规超声检查,并用BI-RADS分类诊断标准判断其良恶性;然后应用VTQ技术测量病灶的剪切波速度(SWV);以病理结果作为金标准,构建受试者的工作特征曲线,比较两种方法的诊断价值。结果 BI-RADS分类诊断标准及VTQ技术鉴别乳腺良恶性病灶的ROC曲线下面积分别为0.899、0.855,两者差异无统计学意义(z=1.367,P=0.172)。结论 BI-RADS分类诊断标准与VTQ技术结合可以提高乳腺病灶的诊断准确性。对于BI-RADS 4类的病灶,联合VTQ技术可减少不必要的穿刺活检或手术。     

MRI乳腺影像报告及数据系统在乳腺疾病诊断中的应用研究

目的:探讨MRI乳腺影像报告及数据系统(BI-RADS)在乳腺病变诊断中的应用价值。方法:对经手术及病理证实的72例乳腺癌患者和52例乳腺良性病变患者,行乳腺MRI检查,在常规定位和校正扫描后,行横断面脂肪抑制的短时反转恢复(STIR)、横断面快速自旋回波(FSE)T1WI、双侧矢状位FSE-T2WI加脂肪抑制、乳腺动态对比增强(DCE)成像这4个序列的扫描。采用受试者工作特征(ROC)曲线对MRI BI-RADS分类的诊断效能进行分析,并获取诊断阈值。结果:乳腺MRI BI-RADS分类对病灶的诊断灵敏度、特异度、准确率分别为91.0%、96.2%、93.2%。结论:MRI BI-RADS分类是诊断及鉴别乳腺良、恶性肿瘤有效的影像学检测方法,可为临床实际应用提供相对客观、规范的标准,减少了诊断主观性,便于医师间的交流、研究。     

常规超声BI-RADS分类结合超声造影在乳腺肿块恶性风险分层评估中的应用研究

目的探讨常规超声BI-RADS分类结合超声造影(CEUS)在乳腺肿块恶性风险分层评估中的应用价值。方法 80例乳腺肿块患者行常规超声和CEUS检查,以病理结果为金标准,对比常规超声BI-RADS分类和CEUS结合BIRADS对乳腺肿块恶性肿瘤的诊断效能。结果 CEUS结合BI-RADS与常规超声BI-RADS分类的诊断结果的一致性较差(Kappa=0.705,P=0.052)。CEUS结合BI-RADS对乳腺恶性肿瘤的诊断特异度、准确性、阳性预测值、阴性预测值均较BI-RADS分类显著提高,假阳性率较BI-RADS分类显著降低(P0.05),两种诊断方法的诊断灵敏度、假阴性率比较差异无统计学意义(P0.05)。结论常规超声BI-RADS分类联合CEUS能够有效提高对乳腺恶性肿瘤的诊断的灵敏度、特异度、准确性,降低假阳性率。     

基于自动乳腺容积扫描、乳腺X线摄影及MRI的BI-RADS分类鉴别乳腺良恶性肿块

目的比较基于自动乳腺容积扫描(ABVS)、乳腺X线摄影(MMG)及MRI的BI-RADS分类鉴别乳腺良恶性肿块的价值。方法回顾性分析94例乳腺肿块患者(104个病灶)的ABVS、MMG及MRI资料,根据第五版BI-RADS标准评估肿块并进行分类。以病理结果为标准,绘制ABVS、MMG、MRI的BI-RADS分类鉴别乳腺良恶性肿块的ROC曲线,比较3种方法的AUC、敏感度和特异度差异。结果104个乳腺肿块中,良性59个(56.73%),恶性45个(43.27%)。基于ABVS与基于MRI的BI-RADS分类鉴别乳腺良恶性肿块的AUC均为0.93,差异无统计学意义(Z=0.05,P=0.96),均高于MMG(0.82)(Z=2.74、3.32,P均<0.01)。3种方法诊断的最佳截断值均为BI-RADS 4a,ABVS的敏感度(91.11%)与MRI(88.89%)差异无统计学意义(χ²=0.12,P=0.73),且均高于MMG(71.11%)(χ²=5.87、4.44,P均<0.05);ABVS、MRI及MMG的特异度分别为86.44%、89.83%及83.05%,差异均无统计学意义(P均>0.05)。结论基于ABVS、MRI的BI-RADS分类鉴别乳腺良恶性肿块的效能相当,且均高于MMG。     

乳腺超声造影预测模型构建及对BI-RADS 4类病变的风险评估

目的分析乳腺良恶性病变的超声造影特征,构建预测模型,探讨其对乳腺影像报告与数据系统(BI-RADS)4类病变风险的评估价值。方法选取我院均经手术病理结果证实的乳腺病变患者174例,共180个病灶(BI-RADS 4类)。将其分为模型构建样本(91例,共94个病灶)和模型验证样本(83例,共86个病灶)。对模型构建样本的超声造影增强模式特征进行单因素及多因素Logistic回归分析,构建出预测模型;绘制受试者工作特征(ROC)曲线分析该预测模型对模型验证样本乳腺良恶性病变的诊断效能。同时分析不同经验超声医师对模型验证样本判读结果的一致性。结果Logistic回归分析显示,特征性危险因素为"蟹足"征或血管扭曲征、增强均匀性及增强后病灶范围扩大(OR=11.308、5.980、3.377,均P<0.01)。Logistic回归方程(即超声造影预测模型):y=-4.239+2.425x8+1.788x3+1.217x5(x8:"蟹足"征或血管扭曲征;x3:增强均匀性;x5:增强后病灶范围);该模型预测乳腺良恶性病变的ROC曲线下面积为0.909,敏感性、特异性、准确率、阳性预测值及阴性预测值分别为95.83%、81.58%、89.53%、86.79%及93.94%。不同经验超声医师判读结果一致性好,Kappa值为0.683。结论乳腺超声造影预测模型对BI-RADS 4类乳腺病变具有较高的风险评估价值,且不同经验超声医师间采用该预测模型鉴别诊断乳腺良恶性病变一致性好。     

BI-RADS在乳腺肿块X线诊断中的应用价值

目的:探讨乳腺影像报告与数据系统(BI-RADS)在乳腺肿块X线诊断中的应用价值.方法:选取我院2010年1月—2013年1月接受数字乳腺X线检查发现的肿块且行手术活检的患者170例175灶,均为女性,平均年龄(46.30±8.53)岁.应用ACR BI-RADS标准评价分类,与术后病理结果进行对照分析其阳性预测值(PPV).结果:175个肿块术后病理诊断:良性103灶,恶性72灶.X线表现为单纯肿块128灶,其中恶性病灶占32.03％(41/128).肿块伴钙化47灶,其中恶性占65.96％(31/47).良性肿块病灶形态、边缘、密度分别以卵圆形40.6％ (71/175)、遮蔽状26.3％(46/175)、等密度53.1％ (93/175)居多,恶性病变以不规则29.8％(52/175)、模糊20.6％ (36/175)、高密度24.6％(43/175)为主.X线诊断BI-RADS 2、3类29灶,BI-RADS 4(a、b、c)、5类共计146灶.良性诊断符合率为100％(29/29),PPV 49.32％.结论:应用BI-RADS对乳腺X线影像发现的肿块进行评估可有效地预测肿块病变的良、恶性.     

乳腺影像报告数据系统在乳腺超声中的应用价值

目的 评价超声乳腺影像报告数据系统(BI-RADS-US)在乳腺超声中的应用价值.方法 应用高频超声对女性受检者乳腺进行检查,经相互垂直的两个切面确认病灶后,依据BI-RADS-US对乳腺病灶的超声描述及超声诊断的评估分类标准对乳腺超声所见进行数据收集,记录病灶位置、大小、形态、边界、内部回声,血流状态、血流频谱,对超声结果进行评估分类,并做出相应的超声报告.结果 经乳腺超声检查并完成评估分类的女性共43 767例,共检出乳腺癌313例(7.16‰),其中类别1有26 699例(61.10%),检出乳腺癌4例(0.09‰),占类别1的0.15‰.类别2有4063例(9.28%),检出乳腺癌1例(0.02‰),占类别2的0.25‰.类别3有11 605例(26.52%),检出乳腺癌9例(0.21‰),占类别3的0.78‰.类别4有1145例(2.62%),检出乳腺癌83例(1.90‰),占类别4的72.49‰.类别5有255例(0.58%),检出乳腺癌 216例 (4.94‰),占类别5的847.06‰.结论 BI-RADS-US使超声对乳腺疾病良恶性的评估更加规范、准确,提升了超声报告质量,有利于与其他影像交流及临床医师对超声提示的理解.     

探讨乳腺自动全容积成像在BI-RADS 3~5类肿物诊断中的价值

目的:探讨乳腺自动容积成像在乳腺影像报告和数据系统(BI-RADS分类)中3~5类肿物诊断中的价值。方法:将112例BI-RADS分类3~5类的乳腺肿物患者,根据检查者自愿原则分为对照组与研究组,每组56例。对照组使用西门子OXANA2型常规超声诊断,研究组使用常规超声联合乳腺自动全容积扫查系统(ABVS)检查,再结合BI-RADS分类标准进行分析,比较两组间诊断的准确率。结果:研究组诊断准确率为86.43%、误诊率5.88%、漏诊率7.69%、敏感性92.31%、特异性94.12%;其中,研究组误诊率、漏诊率低于对照组,研究组敏感性、特异性及准确性均高于对照组。经两组间比较,研究组诊断率明显高于对照组。结论:常规超声联合ABVS对BI-RADS分类中3~5类肿物诊断的准确率显著提高,具有良好的临床应用价值。     

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。     

常规超声联合全自动乳腺容积扫描技术对乳腺肿块BI-RADS分类

目的探讨超声自动乳腺全容积扫描(ABVS)技术在乳腺肿块BI-RADS分类(3~5类)的价值。方法回顾性分析235例(共250个结节)手持超声(HUS)诊断为BI-RAD S 3~5类、同时接受ABVS检查的患者。分别应用HUS和HUS+ABVS对乳腺病变进行BI-RADS分类,以病理结果为金标准,分别计算HUS和HUS+ABVS诊断乳腺肿块的敏感度、特异度和准确率,ROC曲线分析并比较两种方法的诊断效能。结果 250个结节中,HUS诊断3~5类乳腺病变的敏感度100%(103/103),特异度69.39%(102/147),准确率82.00%(205/250);HUS+ABVS的敏感度100%(103/103),特异度80.95%(119/147),准确率88.80%(222/250)。ABVS+HUS诊断BI-RADS 3~5类病变的ROC曲线下面积为0.973,大于HUS的0.940(P=0.032)。通过"汇聚征"诊断乳腺恶性肿瘤的敏感度、特异度及准确率分别为65.05%(67/103)、95.92%(141/147)、83.20%(208/250)。两种方法对乳腺病变卫星灶的检出率差异有统计学意义(χ2=30.78,P<0.05),但对于乳腺肿块内钙化及周围导管扩张的检出率差异无统计学意义(2χ=2.56、1.22,P均>0.05)。结论 HUS+ABVS技术在准确判断乳腺占位病变BI-RADS分类、鉴别肿瘤良恶性方面优于HUS。ABVS对于乳腺肿块的钙化、导管扩张及卫星灶的发现具有重要补充作用。     

BI-RADS系统在乳腺钼靶普查的应用价值

目的:探讨BI-RADS系统在乳腺钼靶普壹的应用价值.方法:对910饲参加乳腺普查的妇女采用BI-RADS报告系统,结合本院全数字化乳腺X线影像特征进行评估分级.结果:根据BI-RADS数据系统分类和统计.其中0级197例,Ⅰ级421例,Ⅱ级21C例,Ⅲ级57例,Ⅳ级23倒,ⅤV级2例,结论:BI-RADS报告系统对乳腺疾病的普查有重要意义.     

超声造影对乳腺BI-RADS 3、4类肿块的诊断价值

目的 探讨超声造影(contrast-enhancement ultrasound,CEUS)检查对提高乳腺BI-RADS 3、4类肿块良恶性诊断的价值。方法 收集2019年3月至2020年4月在辽宁省朝阳市中心医院就诊患者71例,最终经穿刺活检或手术病理证实的乳腺肿块共76个。对纳入研究的肿块行常规超声及CEUS检查,并行BI-RADS分类及CEUS评分。根据CEUS评分结果,重新调整乳腺BI-RADS 3、4类肿块分类,比较调整前、后BI-RADS分类对乳腺BI-RADS 3、4类肿块良恶性的诊断效能。结果 ①76个乳腺肿块中,良性肿块43个,恶性肿块33个;调整后BI-RADS分类2类7个、3类12个(3类保持不变4个)、4a类20个(3类上调2个)、4b类15个、4c类11个、5类11个,BI-RADS 4类肿块活检率降至69.8%,误诊率仅为1.6%。②调整前、后BI-RADS分类诊断的灵敏度、特异度、总符合率分别为75.8%、76.7%、76.3%;97.0%、88.4%、92.1%。③调整前、后BI-RADS分类的ROC曲线下面积分别为0.763、0.927,差异有统计学意义(Z=3.965,P<0.05)。结论 常规超声结合CEUS检查调整BI-RADS分类后可以提高乳腺BI-RADS 3、4类肿块良恶性的诊断,减少BI-RADS 4类肿块不必要的穿刺活检。     

乳腺筛查评级BI-RADS 4类女性乳腺癌影响因素分析

目的发现一般风险女性当乳腺筛查BI-RADS 4类时发生乳腺癌的危险因素,为获取BI-RADS 4类乳腺癌的高危人群,提高乳腺癌的筛查效果提供依据。方法回顾性分析2010年1月至2015年12月我院乳腺筛查评级为BI-RADS 4类的一般风险女性648例,根据病理结果分为乳腺癌组(282例)与良性病理组(366例),在两组之间对纳入的乳腺癌影响因素进行描述及卡方检验;将有统计学意义的影响因素放入Logistic回归模型中,分析其对乳腺癌的影响;分析乳腺癌危险因素在绝闭经前、后女性中的差别(所用分析的检验水准α=0.05)。结果根据自变量类型,给予合理变量赋值,此次研究纳入的乳腺癌影响因素中,乳腺癌组与良性病理组间年龄、体质量指数、月经是否规律、有无绝闭经者、乳腺良性肿瘤史、乳头溢液、乳腺密度、流产次数均有统计学差异(χ~2=24.771,P<0.001;χ~2=98.900,P<0.001;χ~2=7.822,P=0.005;χ~2=8.290,P=0.004;χ~2=5.174,P=0.023;χ~2=36.222,P<0.001;χ~2=17.966,P<0.001;χ~2=16.530,P<0.001)。在初潮年龄、哺乳、生育次数均无统计学差异(χ~2=3.370,P=0.186;χ~2=0.254,P=0.614;χ~2=4.431,P=0.109)。经Logistic多因素回归分析,发现年龄、乳腺密度、体质量指数、乳头溢液、流产次数、绝闭经是乳腺癌危险因素。对648例患者按照是否发生绝闭经进行分层,发现对于BI-RADS 4类的绝闭经前患者乳腺癌的危险因素分别是:乳腺密度、乳头溢液和流产次数。绝闭经后患者乳腺癌的危险因素分别是:体质量指数、乳头溢液、乳腺密度和流产次数。绝闭经前患者乳腺癌危险因素中乳腺密度的危险系数较高;绝闭经后患者乳腺癌危险因素中体质量指数的危险系数较高。结论对于乳腺筛查BI-RADS4类女性,年龄≥45岁、乳腺密度≥75%、流产次数≥1次、有色乳头溢液、体质量指数(≥24 kg/m2)、未绝闭经是患乳腺癌的危险因素,合并上述危险因素的女性应给予更积极的干预治疗及随访;其中绝闭经前、绝闭经后女性乳腺癌的危险因素发生变化。     

改良5分法与弹性应变率比值联合诊断BI-RADS 4类乳腺病变的应用价值

目的:探讨改良5分法与弹性应变率比值(Strain ratio,SR)联合诊断BI-RADS 4类乳腺病变的应用价值。资料与方法:应用弹性评分和SR对143例BI-RADS 4类乳腺病变进行分级调整,并与病理结果对照,通过绘制ROC曲线比较BIRADS分类和校正后BI-RADS分类诊断乳腺病变的效能。结果:143例病灶,良性病灶82例,恶性病灶61例,改良5分法诊断乳腺癌的敏感度为80.8%,特异度为75.3%,准确度为77.6%;SR法诊断乳腺癌的敏感度为86.9%,特异度为68.3%,准确度为76.2%。BI-RADS分类诊断BI-RADS 4类乳腺病变的ROC曲线下面积为0.80,校正后BI-RADS分类诊断BI-RADS 4类乳腺病变的ROC曲线下面积为0.89,两者比较差异有统计学意义(P<0.05)。结论:改良5分法与SR法的联合应用可明显提高BIRADS 4类乳腺病变的诊断准确率,增加医师诊断信心,减少不必要的活检或手术。     

基于深度学习的乳腺X线肿块自动检测系统诊断乳腺肿块

目的 探讨基于深度学习（DL）的乳腺X线肿块自动检测系统诊断乳腺肿块的价值。方法 回顾性分析298例接受乳腺X线检查的女性患者。以3名高年资放射科医师对X线片的评估结果为参照标准,对比分析2名工作时间<5年的放射科医师在无（简称医师1和医师2）或有人工智能（AI）（简称医师1+AI和医师2+AI）辅助下的肿块检出率及检出稳定性。结果 医师1+AI、医师2+AI肿块检出率分别高于医师1、医师2（P均<0.05）。医师+AI检出乳腺肿块不受美国放射学院（ACR）肿块腺体构成、乳腺影像报告和数据系统（BI-RADS）分类及其形状、密度等因素影响（P均>0.05）。结论 基于DL的乳腺X线影像肿块检测系统可有效提高低年资医师的肿块检出率,提升医师对不同类型肿块检出的稳定性。     

乳腺X线摄影及超声表现为多发肿块患者的临床、病理学及影像学特征分析

目的:探索乳腺多发肿块患者的乳腺X线摄影、超声、病理学及临床特征。方法:回顾并分析2005年1月—2019年11月乳腺X线摄影及超声表现为多发肿块的患者(双侧乳腺肿块数目至少3个),记录患者年龄、绝经状态、病理学类型及影像学特征[腺体组织构成、肿块形态、密度、边缘、肿块最大径、钙化及乳腺影像报告和数据系统(Breast Imaging Reporting and Data System,BI-RADS)分类]。将BI-RADS 2～3类归为良性,BI-RADS 4～5类归为恶性,首先分析表现为多发肿块患者的病理学特征,然后比较良性及恶性多发肿块患者临床及影像学特征的差异性;最后比较乳腺X线摄影及超声诊断乳腺多发肿块良恶性的准确率。结果:105例乳腺多发肿块中,良性99例,占94.29%(纤维腺瘤52例,纤维囊性腺病24例,乳腺腺病13例,导管内乳头状瘤7例,囊肿2例,良性叶状肿瘤1例),恶性6例(三阴性乳腺癌4例,黏液癌2例)。良恶性多发肿块患者发病年龄、绝经状态、肿块形态、边缘及BI-RADS分类差异有统计学意义(P0.05)。良性多发肿块患者的发病年龄[(43.25±6.69)岁]低于恶性多发肿块患者[(50.00±9.19)岁],以非绝经状态为主(88.89%)。乳腺X线摄影及超声评价为BI-RADS 2类及5类病变与病理学结果相符;乳腺X线摄影诊断为BI-RADS 3类中的恶性病变1.49%(1/67)及诊断为BI-RADS 4类的良性病变96.00%(24/25)均因肿块边缘存在遮蔽现象,但超声诊断结果与病理学基本相符。超声诊断BI-RADS 3类病理学结果均为良性;诊断为BI-RADS 4类的良性患者占90.00%(9/10),这些患者均因肿块内含有钙化导致诊断升级,而乳腺X线摄影均显示为良性钙化。乳腺超声诊断多发肿块的灵敏度为100.00%、特异度为90.91%,曲线下面积为0.96;乳腺X线摄影灵敏度为83.33%、特异度为75.76%,曲线下面积为0.80。结论:①乳腺X线摄影及超声表现为多发肿块患者的病理学结果多为良性,恶性多发肿块患者年龄较良性患者大;②超声诊断乳腺多发肿块良恶性的准确率高于乳腺X线摄影,两者结合可以进一步提高诊断准确率,但并非所有多发肿块患者均需要进行2种影像学检查;③当乳腺X线摄影表现为肿块边缘遮蔽时,应考虑采用超声做进一步检查;④当超声因肿块内钙化特征判断为恶性肿块时,建议行乳腺X线摄影进一步分析钙化形态及分布特征。