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。     

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。     

S-Detect技术与BI-RADS分类对乳腺肿物良恶性评估的比较

目的比较S-Detect技术与BI-RADS分类对乳腺肿物良恶性评估的准确度。方法选取175例乳腺肿物患者共202个部位,每个部位均进行S-Detect检查及BI-RADS分类,将S-Detect诊断、BIRADS分类的结果与术后病理结果进行对比分析。结果 202个乳腺肿物术后病理结果:良性病变93个,恶性病变109个,良性与恶性的检出率相比,差异无统计学意义(P0.05)。S-Detect检查结果:良性病变95个,恶性病变107个;BI-RADS分类良性病变88个,恶性病变114个;S-Detect技术的准确度为78.2%、灵敏度为77.4%、特异度为78.9%。BI-RADS分类的准确度为78.7%、灵敏度为74.2%、特异度为82.6%。结论 S-Detect技术是一种能够对乳腺肿物良恶性进行快速判断的较为安全、准确的检查方法。     

自动乳腺超声诊断系统（ABUS）结合计算机辅助诊断系统（CAD）前后对乳腺恶性病灶的诊断价值对比

目的 本研究旨在探讨应用自动乳腺超声诊断系统（ABUS）结合计算机辅助诊断系统（CAD）对于不同经验医师诊断乳腺恶性病灶的价值。 方法 收集行ABUS检查的乳腺病例1452例,结果均经病理或随访1年以上证实。比较6名医师（3名低年资医师和3名高年资医师）使用CAD系统前后的诊断敏感度、特异度、AUC及平均阅读时间。结果 1452例病例中,270例为恶性,共有282个恶性病灶,674例为良性,共有695个良性病灶,508例为阴性。应用CAD系统前,低年资与高年资医师诊断乳腺癌的敏感度分别为87%、93%,使用CAD后提高到94%、94%,低年资医师的诊断敏感度前后差异具有统计学意义（P<0.05）,高年资医师差异无统计学意义（P＞0.05）。6名医师在使用CAD系统前后诊断特异度均略有下降,但差异均无统计学意义（P＞0.05）。低年资医师在使用CAD系统前后的诊断符合率有所提高,ROC曲线下面积由0.85提高到0.89,差异具有统计学意义（P<0.05）。而高年资医师组,虽然ROC曲线下面积由0.91提高到0.92,但差异不具有统计学意义（P＞0.05）。所有医师使用CAD后的平均阅读时间均有不同程度的延长,差异具有统计学意义（P<0.05）。结论 虽然使用CAD后的平均阅读时间有所延长,但在可接受范围内,借助ABUS-CAD的阅读模式能大大提高医生诊断的准确度和敏感度,对于低年资医师帮助更大。     

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。     

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...     

不同年资医师应用自动乳腺超声诊断系统结合CAD对乳腺恶性病灶的诊断价值

目的探讨不同年资医师应用计算机辅助诊断系统(CAD)辅助自动乳腺超声诊断系统(ABUS)对于诊断乳腺恶性病灶的价值。方法收集行ABUS检查的乳腺病灶患者1452例,其中,恶性270例,共282个病灶;良性674例,共695个病灶;阴性508例。比较6名医师(3名低年资医师与3名高年资医师)使用CAD系统前后的诊断敏感性、特异性、受试者工作特征(ROC)曲线下面积及平均阅读时间。结果应用CAD前,低年资医师与高年资医师诊断恶性病灶的敏感性分别为87%、93%,使用CAD后均提高至94%,低年资医师使用CAD前、后诊断敏感性比较差异有统计学意义(P<0.05),高年资医师差异无统计学意义。6名医师在使用CAD系统前后诊断特异性无变化。低年资医师在使用CAD系统后的诊断准确率有所提高,曲线下面积由0.85提高至0.89,差异有统计学意义(P<0.05);而高年资医师在使用CAD系统后,虽然ROC曲线下面积由0.91提高至0.92,但差异无统计学意义。所有医师使用CAD后的平均阅读时间均有不同程度的延长,差异有统计学意义(P<0.05)。结论虽然使用CAD后的平均阅读时间有所延长,但在可接受范围内,ABUS结合CAD能大大提高超声医师诊断乳腺恶性病灶的准确率和敏感性,且对低年资医师帮助更大。     

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。     

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。     

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。     

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。     

基于甲状腺成像报告和数据系统分类的计算机辅助诊断系统对甲状腺癌超声诊断的辅助价值

目的探讨基于甲状腺成像报告和数据系统（TI-RADS）分类的计算机辅助诊断（CAD）系统对超声医师诊断甲状腺癌的辅助价值。 方法收集2018年10月至2019年3月在国内5家医院的400例甲状腺结节超声图像进行多中心回顾性研究。采用由北京大学前沿交叉学科研究院研发的基于TI-RADS分类的CAD系统,超声医师诊断甲状腺癌的诊断模式分为无CAD模式和CAD模式,11名具有不同工作经验的超声医师（低年资超声医师4名,中年资超声医师4名,高年资超声医师3名）在上述2种模式下诊断甲状腺癌。比较2种诊断模式的诊断效能及读片时间：绘制CAD系统和超声医师诊断甲状腺癌的受试者工作特征（ROC）曲线,应用DeLong方法比较2种模式下曲线下面积（AUC）的差异;应用配对t检验比较2种模式的读片时间差异。 结果在CAD模式下,所有超声医师诊断甲状腺癌的AUC值较无CAD模式有显著提高［0.848（0.837~0.858） vs 0.800（0.788~0.812）］,差异具有统计学意义（P＜0.001）;敏感度从73.8%（95%CI：71.9%~75.6%）提升到82.7%（95%CI：81.0%~84.3%）,差异具有统计学意义（χ²=9.870,P＜0.001）;特异度从86.2%（84.7%~87.6%）提升到86.9%（85.4%~88.3%）,但差异无统计学意义（χ²=0.021,P=0.379）。进行亚组分析时,在CAD模式下,低年资超声医师和中年资超声医师诊断甲状腺癌的AUC值较无CAD模式有显著提高（0.840 vs 0.740;0.848 vs 0.814）,差异具有统计学意义（P＜0.001、=0.001）,但高年资超声医师诊断甲状腺癌的AUC值较无CAD模式无明显变化（0.859 vs 0.861,P=0.861）。在CAD模式下,所有超声医师的阅片时间较无CAD模式减少［（20.2±8.2）s vs（22.7±9.6）s］,差异具有统计学意义（t=-23.9,P＜0.001）。 结论CAD模式有助于低年资超声医师和中年资超声医师对甲状腺癌的诊断,同时缩短了诊断时间。     

超声人工智能在甲状腺可疑结节良恶性鉴别诊断中的应用价值

目的 探讨超声人工智能(AI)辅助诊断系统在甲状腺可疑结节良恶性鉴别诊断中的应用价值。方法 回顾性分析按美国放射学会甲状腺影像报告与数据系统(ACR TI-RADS)分类3～5类的甲状腺结节289个。将不同年资医师和超声AI辅助诊断系统分为低年资组、高年资组和AI组,分别以TR4、TR5为诊断恶性截断值,比较各组的灵敏度、特异度、准确度、阳性预测值、阴性预测值和ROC曲线下面积(AUC)。结果 截断值TR4与TR5比较,低年资组、高年资组及AI组AUC分别为0.579 vs 0.752、0.684 vs 0.881、0.678 vs 0.856,差异有统计学意义(P<0.05)。以TR5为最佳截断值时,AI组对甲状腺结节诊断的灵敏度、特异度、准确度、阳性预测值、阴性预测值和AUC均高于低年资组(P<0.05),且与高年资组相仿(P>0.05)。结论 超声AI辅助诊断系统对甲状腺可疑结节的最佳诊断恶性截断值为TR5,其诊断效能高于低年资医师,与高年资医师相仿。     

人工智能系统评估BI-RADS 4类乳腺肿块的应用价值

目的探讨人工智能（AI）系统在乳腺影像报告与数据系统（BI-RADS）4类乳腺肿块良恶性鉴别诊断中的价值。 方法回顾性选取2018年1月至2020年2月于青岛市市立医院超声科初诊为BI-RADS 4类乳腺肿块的女性患者226例。所有患者均行常规超声检查,并经手术或穿刺活检取得病理结果。AI系统与不同年资乳腺超声专科医师（2、4、6年）分别对乳腺肿块超声图像进行分析并判断良恶性,应用四格表计算AI系统及不同年资医师对乳腺癌的诊断准确性,采用χ²检验比较AI系统与不同年资医师对不同大小乳腺癌肿块的诊断准确性。 结果226例乳腺肿块均经病理证实,其中良性病灶96例,恶性病灶130例。AI系统诊断乳腺恶性肿块的敏感度、特异度、阳性预测值、阴性预测值和准确性分别为93.84%、92.71%、94.57%、91.75%、93.36%,均高于不同年资医师。AI系统与不同年资医师诊断≤0.5 cm、＞0.5~1.0 cm、＞1.0~1.5 cm的乳腺癌肿块,其诊断准确性差异均有统计学意义（P=0.029、0.011、0.002）;诊断＞1.5~2.0 cm、＞2.0 cm的乳腺癌肿块,其诊断准确性差异均无统计学意义（P=0.117、0.668）。AI系统与2年资医师诊断≤0.5 cm、＞0.5~1.0 cm、＞1.0~1.5 cm的乳腺癌肿块,其诊断准确性差异均有统计学意义（P=0.006、0.002、0.001）。 结论AI系统在BI-RADS 4类乳腺肿块良恶性判断中具有较高的诊断价值,尤其对直径≤1.5 cm的乳腺癌的诊断;其可辅助低年资超声医师提高乳腺癌的诊断率。     

基于计算机辅助诊断技术的超声图像处理软件对甲状腺结节诊断效能的初步研究

目的通过比较基于计算机辅助诊断技术（CAD）的甲状腺超声图像处理软件（安克侦）与超声医师对甲状腺结节进行甲状腺影像报告和数据系统（TI-RADS）评分的差别,初步探讨安克侦CAD软件在甲状腺结节良恶性鉴别诊断中的价值。 方法选取2015年5月至2016年10月就诊于中山大学附属肿瘤医院的194例甲状腺结节患者的病例资料。每个病例选取一个结节进行分析,所有结节均经手术或超声引导下细针穿刺活检（US-FNA）病理证实。由两位年资不同的超声医师评估结节图像,分别对结节的5个特征（成分、回声、形态、边缘、强回声）进行评分,得出总的TI-RADS评分并分类。安克侦CAD软件则通过自动分析结节图像,得出基于美国放射学会（ACR）标准的TI-RADS评分。 结果安克侦CAD软件的TI-RADS评分与高年资医师比较,差异无统计学意义（Z=0.964,P=0.335）,与低年资医师比较,差异具有统计学意义（Z=5.593,P<0.001）。以TR5为恶性诊断界值,安克侦CAD软件的诊断敏感度与高年资医师比较,差异无统计学意义（84.62% vs 86.54%,P=0.815）,且其略高于低年资医师,但差异无统计学意义（84.62% vs 73.08%,P=0.052）。安克侦CAD软件、低年资医师、高年资医师评分的诊断特异度分别为65.56%、87.78%、82.22%,安克侦CAD软件明显低于低年资和高年资医师（65.56% vs 87.78%,χ²=12.893,P<0.01;65.56% vs 82.22%,P=0.004）。CAD软件的ROC曲线下面积均低于高年资及低年资医师（0.735 vs 0.921,Z=4.537,P<0.0001;0.735 vs 0.898,Z=4.033,P=0.0001）。 结论安克侦CAD软件对甲状腺结节的诊断敏感度与高年资及低年资医师相比,并无显著差异,但诊断特异度及诊断准确性均低于高年资及低年资医师。其综合诊断效能仍需进一步深入研究。     

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...     

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。     

VTI平均光密度值联合VTQ技术在4类乳腺病灶中的指导价值

目的评估VTI平均光密度值联合VTQ技术在校正乳腺BI-RADS 4类病灶中的临床应用价值。方法对174例患者180个4类乳腺肿块行常规超声检查、BI-RADS分类、VTI及VTQ成像,并应用Image J软件测量VTI模式下肿块的平均光密度值,依据病灶的VTI平均光密度值和VTQ值结果,对常规BI-RADS分类做出调整,分析其诊断效能。结果 VTI平均光密度值联合VTQ技术鉴别诊断BI-RADS 4类病灶的特异度和准确性均高于常规超声检查,差异均具有统计学意义(χ~2=10.23、6.32,P=0.001、0.011均0.05)。BI-RADS分类校正前后鉴别诊断乳腺良恶性病灶的ROC曲线下面积分别为0.89和0.93,灵敏度分别为92.0%、80.5%(χ~2=8.10,P=0.0020.05),特异度分别为76.3%、94.6%(χ~2=15.06,P=0.0000.05),准确性分别为83.9%、87.8%(χ~2=1.33,P=0.250.05)。结论超声弹性成像技术联合乳腺BI-RADS分类可提高常规BI-RADS分类诊断的特异度,使诊断结果更精确,并减少4类乳腺病灶不必要的穿刺活检,指导临床进行个体化治疗。     

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。