声脉冲辐射力成像技术鉴别诊断BI-RADS 4类病灶

目的 评价声脉冲辐射力弹性成像（ARFI）技术鉴别诊断乳腺影像报告与数据系统/超声诊断（BI-RADS-US）4类病变良恶性的价值。方法 选取120例乳腺疾病患者,对152个乳腺BI-RADS-US 4类病灶进行ARFI检查,利用声触诊组织定性成像（VTI）判断肿块的性质、范围,并计算病灶在弹性图像与灰阶图像上的面积比;以声触诊组织定量（VTQ）技术测量病灶与同层次周围乳腺组织的剪切波速度（SWV）比值。结果 乳腺良、恶性病灶在弹性图像与灰阶图像上的面积比分别为1.13±0.19和1.95±0.62（P<0.001）,良、恶性病灶与同层次周围乳腺组织的SWV比值分别为2.38±1.29 m/s和5.82±1.76 m/s（P<0.001）;面积比和SWV比值的ROC曲线下面积分别为0.917和0.938,差异无统计学意义（P>0.05）,95%可信区间面积比为86.80%~96.50%,SWV比为89.60%~97.90%。以面积比值1.43和SWV比值3.69作为最佳诊断界值,则ARFI诊断乳腺恶性肿瘤的准确率、敏感度、特异度、阳性预测值分别为89.47（136/152）%、76.19%（48/63）、98.88%（88/89）、97.96%（48/49）和90.13%（137/152）、80.95%（51/63）、96.63%（86/89）和94.44%（51/54）。结论 ARFI技术可有效提高鉴别诊断良恶性BI-RADS-US 4类乳腺病变的准确率。     

边界增强像素级多模态声像图融合方法评估良、恶性乳腺肿瘤

目的 观察以边界增强多模态乳腺声像图像素级特征融合方法评估良、恶性乳腺肿瘤性质的价值。方法 基于乳腺肿瘤B型声像图提取边界增强图像,于超声弹性复合声像图中提取纯弹性信息图像。对多模态乳腺肿瘤声像图进行像素级特征融合,形成边界特征增强的融合图像,再以卷积神经网络(CNN)进行分类;评估融合方法分类良、恶性乳腺肿瘤的性能,并与单模态方法、特征级融合方法、无边界增强像素级图像融合方法及其他CNN模型进行对比。结果 边界增强像素级特征融合方法有助于CNN提取乳腺肿瘤特征,分类良、恶性乳腺性能最佳,其分类准确率为85.71%,特异度为85.49%,敏感度为86.16%,模型稳定。结论 边界特征增强像素级多模态声像图融合方法可用于判断良、恶性乳腺肿瘤。     

基于超声图像FPN-SENet-FL深度卷积神经网络模型鉴别乳腺良、恶性肿瘤及预测乳腺癌分子分型

目的 探讨FPN-SENet-FL深度卷积神经网络模型基于超声图像鉴别乳腺良、恶性肿瘤及预测乳腺癌分子分型的可行性。方法 回顾性分析273例乳腺癌480幅及41例乳腺良性肿瘤113幅术前超声图像,以之构建数据集,并以7 ∶ 3比例随机纳入训练集或验证集。对训练集数据进行扩增,以训练二分类及五分类任务模型,评估二分类任务模型鉴别乳腺良、恶性肿瘤,以及五分类任务模型鉴别乳腺良性肿瘤与4种不同分子分型乳腺癌的效能;绘制受试者工作特征曲线,计算曲线下面积(AUC)、混淆矩阵及完成各项任务的准确率、精确率、召回率及F1分数。结果 二分类任务模型的准确率、精确率、召回率及F1分数分别为94.71%、91.32%、91.30%和0.913,其AUC为0.976;五分类任务模型分别为71.78%、72.48%、72.11%及0.721,AUC取值范围为0.860~0.976,其识别良性肿瘤的AUC最高(0.976),其次为识别Luminal B型乳腺癌时(0.944)。结论 FPN-SENet-FL深度卷积神经网络模型可辅助超声鉴别乳腺良、恶性肿瘤,且预测Luminal B型乳腺癌效能较佳。     

双模态超声深度学习预测模型诊断乳腺癌的应用

目的 采用基于乳腺超声灰阶图像和弹性图像的深度学习(DL)技术构建一个预测模型,并探讨该模型在乳腺病灶良恶性鉴别中的诊断效能。方法 回顾性收集2020年5月至2021年4月于临沂市人民医院乳腺外科接受手术治疗患者的乳腺病灶共1 000个,包括超声图像及相关临床病理资料,选择每个病灶最大切面的超声灰阶图像及弹性图像,按照7∶2∶1的比例随机将病灶分为训练集、验证集和测试集;应用训练集和验证集的病灶图像基于神经网络构建预测模型,应用测试集病灶图像检测模型的诊断效能;邀请四位超声医生分别阅读测试集病灶的超声图像,比较模型与不同年资医生之间的诊断效能。结果 DL预测模型对乳腺病灶诊断的受试者工作特征曲线(ROC)曲线下面积(AUC)值(0.907)高于所有医生,差异有统计学意义(P<0.05);高年资医生单独阅片诊断的平均AUC值(0.835)高于低年资医生(0.719),差异有统计学意义(P<0.05)。模型辅助低年资医生诊断测试集乳腺病灶平均AUC值为0.806,模型辅助高年资医生诊断测试集乳腺病灶平均AUC值为0.864,经过模型辅助阅片后,不同年资医生的诊断效能均有提升,对...     

S-detect技术辅助超声鉴别诊断最大径≤2 cm乳腺良恶性肿块型病灶

目的 探讨S-detect技术辅助超声在≤2 cm乳腺肿块型病灶良恶性鉴别诊断中的应用价值。方法 采用S-detect技术及常规超声对42例女性患者总计54个乳腺病灶进行诊断,以术后病理结果为金标准,对比分析S-detect技术、常规超声及两者联合的诊断效能。结果 常规超声鉴别诊断乳腺病灶良恶性的敏感度为79.17%（19/24）、特异度为90.00%（27/30）、准确率为85.19%（46/54）;S-detect技术诊断的敏感度为62.50%（15/24）、特异度为86.67%（26/30）、准确率为75.93%（41/54）;两者联合鉴别诊断的敏感度为91.67%（22/24）、特异度为96.67%（29/30）、准确率为94.44%（51/54）。常规超声、S-detect技术及两者联合鉴别诊断乳腺病灶良恶性的ROC曲线的AUC分别为0.846、0.746和0.942（P均<0.05）。超声联合S-detect的诊断效能优于单独应用S-detect技术和常规超声（P均<0.05）。结论 S-detect技术是一种新的影像补充诊断手段,辅助常规超声诊断可提高对乳腺≤2 cm肿块型病灶的诊断效能。     

比较弹性成像与常规超声对乳腺小肿瘤的诊断价值

目的 比较超声弹性成像（UE）中评分法及应变率比值法（SR）与常规超声（CUS）判断直径≤2.0 cm的乳腺良恶性肿瘤的价值,评价SR判断直径≤2.0 cm的乳腺肿瘤良恶性的最佳阈值及其诊断价值。方法 分别应用CUS、UE检查乳腺肿瘤;以病理为金标准,绘制 ROC曲线,求取SR最佳诊断阈值,比较CUS、UE评分及SR的鉴别诊断价值。结果 CUS、UE评分法、SR法的曲线下面积分别为0.803±0.046、0.862±0.040和0.943±0.026;SR 判断乳腺肿瘤良恶性的最佳阈值为3.23。结论 UE较CUS对鉴别直径≤2.0 cm的良恶性乳腺肿瘤更具价值,且SR法较评分法更佳;以SR=3.23为最佳诊断阈值,判断乳腺肿瘤良恶性具有较高价值。     

同时多层分段读出平面回波弥散加权成像

目的 评价同时多层（SMS）分段读出平面回波（RS-EP）弥散加权成像（DWI）用于乳腺的可行性及全肿瘤直方纹理分析参数鉴别乳腺良、恶性肿瘤的价值。方法 纳入185例经病理证实的女性乳腺肿瘤患者,均为单发病灶,根据肿瘤性质分为良性组（n=58）及恶性组（n=127）;采集SMS RS-EP DWI图像,提取全肿瘤直方图参数及纹理参数,采用组内相关系数（ICC）评价观察者内及观察者间的可重复性,并对比组间各参数差异。绘制受试者工作特征（ROC）曲线,计算曲线下面积（AUC）评价定量参数鉴别乳腺良、恶性肿瘤的效能。结果 观察者内及观察者间ADC_Kurtosis、观察者间ADC_Entropy一致性中等（ICC均 ≤ 0.75）,其余参数均一致性较好或极好（ICC均>0.75）。除ADC_SD和ADC_Kurtosis外,其他参数组间差异均有统计学意义（P均<0.05）。直方图参数中,ADC_Median鉴别乳腺良、恶性肿瘤的AUC最高（0.879）;纹理参数中,ADC_Entropy的AUC值最高（0.764）;二者联合诊断的AUC为0.911,敏感度和特异度分别为90.55%和81.03%。结论 SMS RS-EP DWI可用于乳腺检查;联合全肿瘤直方纹理分析有助于鉴别乳腺良、恶性肿瘤。     

基于跨模态注意力机制特征B型超声与弹性超声融合模块联合诊断乳腺良、恶性肿瘤

目的 设计跨模态注意力机制特征融合模块,观察其用于B型超声与弹性超声联合诊断乳腺良、恶性肿瘤的价值。方法 收集371例接受常规超声检查及超声弹性成像的女性乳腺肿瘤患者、共466处病灶;按3∶1∶1将466组病灶图像分为训练集(n=280)、验证集(n=93)及测试集(n=93)。采用卷积神经网络分支模型分别提取B型超声图像和弹性超声图像特征,之后以基于跨模态注意力机制的多模态特征融合网络进行特征融合,观察其诊断乳腺良、恶性肿瘤的价值。结果 改进后的DenseNet用于B型超声诊断乳腺良、恶性肿瘤的准确率为88.43%,敏感度为88.96%,特异度为87.31%,其效能略优于改进前。基于跨模态注意机制特征融合的B型超声与弹性超声联合诊断乳腺良、恶性肿瘤的准确率为94.23%,敏感度为95.11%,特异度为93.28%,效能优于决策加权融合模型、直接串联融合模型及单模态模型。结论 跨模态注意力机制特征融合模块可在一定程度上提高B型超声与弹性超声联合诊断乳腺良、恶性肿瘤的效能。     

灰阶超声、弹性成像及二者联合应用鉴别诊断甲状腺肿块

目的 探讨灰阶超声和弹性成像及二者联合应用对良、恶性甲状腺肿块的鉴别诊断价值。方法 回顾性分析73例甲状腺肿块患者共97个病灶的术前灰阶超声和超声弹性成像特征,将肿块分为良性、可能良性、不能确定、可能恶性和恶性5级,分别与病理结果进行对照,应用受试者工作特征(ROC)曲线评价灰阶超声、超声弹性成像和两者联合应用的诊断效果。结果 超声弹性成像诊断甲状腺肿块ROC曲线下面积(0.81)小于灰阶超声(0.89,P<0.01),而两者联合诊断甲状腺肿块ROC曲线下面积(0.95)大于单独灰阶超声(2.51,P<0.05)及超声弹性成像(4.43,P<0.01)。结论 超声弹性成像有助于灰阶超声对良、恶性甲状腺肿块的鉴别诊断,二者联合应用可明显提高甲状腺癌的诊断准确性。     

乳腺X线片直方图分析鉴别乳腺BI-RADS 3~5类良恶性肿块

目的 探讨基于乳腺X线片直方图分析鉴别乳腺影像报告和数据系统（BI-RADS）3~5类良恶性肿块的价值。方法 回顾性分析经手术病理证实的114例BI-RADS 3~5类乳腺肿块患者，包括61例良性病变（良性组，68个肿块）和53例恶性病变（恶性组，55个肿块）。分析2组图像的直方图，比较组间直方图参数差异，包括平均值、方差、偏斜度、峰度及第1、10、50、90、99百分位数；分别绘制差异有统计学意义的参数鉴别诊断BI-RADS 3~5类乳腺良恶性肿块的受试者工作特征（ROC）曲线，计算曲线下面积（AUC），分析其诊断效能。结果 2组平均值、方差及第1、10、50、90、99百分位数差异均有统计学意义（t=－5.49、－3.14、－3.01、－3.97、－5.49、－5.84、－6.45，P均<0.05）。ROC曲线分析结果显示第99百分位数诊断效能最佳，其AUC为0.81，最佳阈值为0.50时，特异度为88.20%，敏感度为61.80%。结论 乳腺X线片直方图分析可用于鉴别诊断乳腺BI-RADS 3~5类良恶性肿块。     

基于迁移学习的乳腺肿瘤超声图像智能分类诊断

目的 探讨迁移学习方法对乳腺良恶性肿瘤超声图像分类的价值。方法 回顾性分析经病理证实的447例乳腺肿瘤的超声声像图,采用主成分分析法对原始图像进行分析提取;在Matlab 7.0软件中编程实现迁移学习,将量化的图像特征作为输入数据,利用迁移学习对乳腺良恶性肿瘤进行智能分类。结果 乳腺恶性肿瘤的边缘粗糙度、坚固度、邻域灰度差矩阵粗糙度、肿瘤后方与周围区域回声差异及水平方向高频分量和垂直方向低频分量的直方图能量均明显高于良性肿瘤（P均<0.05）。超声和迁移学习方法诊断乳腺恶性肿瘤的敏感度分别为96.21%（127/132）和96.04%（97/101）,特异度为66.35%（209/315）和98.49%（196/199）,准确率为75.17%（336/447）和97.67%（293/300）。结论 超声图像特征定量化可为识别良恶性乳腺肿瘤提供客观的量化参数;迁移学习可有效对乳腺良恶性肿瘤的声像图进行分类。     

Contribution of morphological assessment of the vessel tree by three-dimensional ultrasound to a correct diagnosis of malignancy in ovarian masses.

OBJECTIVE: To determine whether subjective evaluation of the morphology of the vessel tree of ovarian tumors, as depicted by three-dimensional (3D) power Doppler ultrasound, can discriminate between benign and malignant ovarian tumors, and whether it improves characterization compared with using gray-scale ultrasound imaging alone. METHODS: A consecutive series of 104 women scheduled for surgical removal of an ovarian mass were examined with transvaginal two-dimensional (2D) gray-scale and 3D power Doppler ultrasound. Predetermined vessel characteristics, e.g. density of vessels, branching, caliber changes and tortuosity, were evaluated in 360 degrees rotating 3D images of the vessel tree of the tumor. Ultrasound results were compared with those of the histology of the surgical specimens. Univariate and multivariate logistic regression were used. RESULTS: There were 77 benign tumors, six borderline tumors and 21 invasive malignancies. All vascular features differed significantly between benign and malignant tumors. The areas under their receiver-operating characteristics (ROC) curves (AUCs) were in the range 0.61-0.83. The AUC of a logistic regression model containing three gray-scale ultrasound variables was 0.98. This model correctly classified all malignancies, with a false-positive rate of 10% (8/77). Adding branching of vessels in the whole tumor to the gray-scale model yielded an AUC of 0.99 and resulted in all malignancies and an additional four benign tumors being correctly classified. CONCLUSIONS: Subjective evaluation of the morphology of the vessel tree, as depicted by 3D power Doppler ultrasound, can be used to discriminate between benign and malignant ovarian tumors, but adds little to gray-scale ultrasound imaging in an ordinary population of tumors.     

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。     

声触诊组织量化和弹性成像技术评价乳腺良、恶性肿瘤

目的探讨声触诊组织量化(VTQ)和弹性成像技术诊断乳腺良、恶性肿瘤的价值。方法对86例乳腺病变患者术前分别进行常规超声、弹性超声及VTQ检查,对各病灶进行弹性成像评分和VTQ速度分组,并与病理结果对照。结果乳腺良、恶性肿瘤弹性超声评分差异有统计学意义(P<0.05),良性肿瘤中弹性超声评分为1～3分者占为68.09%(32/47),恶性肿瘤中弹性超声4～5分者占82.05%(32/39)。乳腺良、恶性肿瘤的VTQ速度值差异亦有统计学意义(P<0.05)。常规超声、弹性超声、VTQ技术联合应用的诊断准确率达91.86%。结论联合应用常规超声、弹性成像、VTQ技术,可显著提高诊断乳腺良、恶性肿瘤的准确率。     

剪切波弹性定量技术及“硬边”征鉴别诊断乳腺实性肿块

目的探讨剪切波弹性(SWE)定量技术鉴别诊断乳腺良恶性实性肿块的价值。方法选择因乳腺实性肿块接受手术治疗的患者119例(142个病灶)进行剪切波弹性成像。观察特征性弹性"硬边"征,并测量病灶的弹性最大值、最小值、平均值及其与临近脂肪组织的标准差(SD)、与临近脂肪组织的弹性比(SWE-ratio)。结果乳腺癌38例,共40个肿瘤;乳腺良性肿瘤81例,102个肿瘤。弹性最大值、最小值、平均值、SD和SWE-Ratio预测乳腺癌的ROC曲线下面积分别为0.98、0.83、0.97、0.98、0.87。弹性"硬边"征、超声乳腺影像报告和数据系统(BI-RADS)预测乳腺恶性肿瘤的敏感度、特异度分别为90.0%、99.0%;90.0%、90.2%。超声BI-RADS联合弹性"硬边"征预测乳腺恶性肿瘤的敏感度、特异度为97.5%、94.6%。结论剪切波弹性最大值、平均值和SD值对乳腺良恶性肿瘤的鉴别诊断具有重要的临床价值。以0~180kPa为量程,剪切波弹性"硬边"征可作为评价乳腺恶性病灶的独立预测指标。BI-RADS联合弹性"硬边"征可提高乳腺恶性肿瘤的诊断效能。     

Image retrieval with principal component analysis for breast cancer diagnosis on various ultrasonic systems.

OBJECTIVES: We present a computer-aided diagnostic (CAD) system with textural features and image retrieval strategies for classifying benign and malignant breast tumors on various ultrasonic systems. Effective applications of CAD have used different types of texture analysis. Nevertheless, most approaches performed in a specific ultrasonic machine do not indicate whether the technique functions satisfactorily for other ultrasonic systems. This study evaluated a series of pathologically proven breast tumors using various ultrasonic systems. METHODS: Altogether, 600 ultrasound images of solid breast nodules comprising 230 malignant and 370 benign tumors were investigated. All ultrasound images were acquired from four diverse ultrasonic systems. The suspicious tumor area in the ultrasound image was manually chosen as the region-of-interest (ROI) subimage. Textural features extracted from the ROI subimage are supported in classifying the breast tumor as benign or malignant. However, the textural feature always behaves as a high-dimensional vector. In practice, high-dimensional vectors are unsatisfactory at differentiating breast tumors. This study applied the principal component analysis (PCA) to project the original textural features into a lower dimensional principal vector that summarized the original textural information. The image retrieval techniques were employed to differentiate breast tumors, according to the similarities of the principal vectors. The query ROI subimages were identified as malignant or benign tumors according to characteristics of retrieved images from the ultrasound image database. RESULTS: Using the proposed CAD system, historical cases could be directly added into the database without a retraining program. The area under the receiver-operating characteristics curve for the system was 0.970+/-0.006. CONCLUSION: The CAD system identified solid breast nodules with comparatively high accuracy in the different ultrasound systems investigated.     

应用增强算法辅助乳腺肿块的超声诊断研究

目的 探讨基于模糊逻辑和纹理分析的增强算法对超声图像乳腺肿块良恶性的检测与分类的价值.方法 研制增强算法和软件程序,选用211个病例603张乳腺肿块超声图片(其中良性109例,恶性102例)进行增强处理,以手术病理结果作为金标准,超声专家通过对原始乳腺肿块图片和处理后乳腺肿块图片进行分析,区分乳腺肿块的良、恶性,利用ROC曲线下面积(Az)表示增强前后的诊断性能,得出其敏感性、特异性、阳性预测值及阴性预测值,计算常规超声检查和增强后诊断的正确诊断率.结果 增强后乳腺肿块的超声诊断结果与病理诊断结果符合率明显提高,敏感性从原片的75.4%提高至89.6%,特异性从66.7%提高至91.2%.准确率从78.20%提高至89.57%.ROC曲线计算出增强前、后乳腺图片对乳腺肿块的定性诊断Az面积:原始图片A1=0.842,增强图片A2=0.914,Z值为5.101,二者之间差异有显著统计学意义(P<0.001).结论 新的超声图像增强算法明显改善了图像质量,提高了乳腺肿块的正确诊断率,减低误诊率,可为乳腺肿块良,恶性的诊断提供可靠依据.     

Prospective cross-validation of Doppler ultrasound examination and gray-scale ultrasound imaging for discrimination of benign and malignant pelvic masses.

OBJECTIVE: To cross-validate, prospectively, the diagnostic performance of established ultrasound methods for discrimination of benign and malignant pelvic masses. METHODS: A total of 173 consecutive women with a pelvic mass judged clinically to be of adnexal origin underwent preoperative ultrasound examination including color and spectral Doppler techniques. A total of 149 tumors were benign, and 24 were malignant. The sensitivity and false-positive rate with regard to malignancy were calculated for the following methods, using cut-off values recommended in previous publications: Lerner score; ultrasound morphology, i.e. tumors without solid components being classified as benign and tumors with solid components as malignant; tumor color score; pulsatility index; resistance index; time-averaged maximum velocity; peak systolic velocity; the combined use of ultrasound morphology and tumor color score and the combined use of ultrasound morphology and peak systolic velocity. Sensitivity and false-positive rate were also calculated for subjective evaluation of the gray-scale ultrasound image and for subjective evaluation of the gray-scale ultrasound image supplemented with subjective evaluation of color Doppler ultrasound examination. The confidence with which the diagnosis was made, based on subjective evaluation, was rated on a visual analog scale. RESULTS: Subjective evaluation of the gray-scale ultrasound image was by far the best method for distinguishing benign from malignant tumors (sensitivity 88%, false-positive rate 4%), followed in descending order by subjective evaluation of the gray-scale ultrasound image supplemented with color Doppler examination, the Lerner score and the time-averaged maximum velocity. Adding Doppler examination to subjective evaluation of the gray-scale image did not increase the number of correct diagnoses, but it increased the confidence with which a correct diagnosis was made in 14% of tumors. In 11 tumors (6% of the series as a whole), the addition of Doppler examination changed the diagnosis based on subjective evaluation of the gray-scale ultrasound image from an incorrect (n = 1) or uncertain (n = 10) diagnosis to a correct and confident diagnosis. CONCLUSION: In experienced hands, subjective evaluation of the gray-scale ultrasound image is the best ultrasound method for discriminating between benign and malignant adnexal masses. The main advantage of adding Doppler examination to subjective evaluation of the gray-scale image is an increase in the confidence with which a correct diagnosis is made.