计算机辅助系统在诊断乳腺良恶性肿瘤中的应用

目的:探讨计算机辅助诊断系统在良恶性肿瘤检测与特征提取基础上的分类对于乳腺肿瘤的诊断价值。方法:回顾性分析乳腺超声检查发现肿瘤且经过病理学证实的617例患者影像资料,采用手工提取的方式得到乳腺超声图像的感兴趣区域及病灶轮廓,再利用方向梯度直方图（HOG）、局部二值模式（LBP）和灰度共生矩阵（GLCM）3个特征进行乳腺肿瘤的良恶性病变真假阳性检测;最后用受试者操作特征曲线（ROC）分别分析每个特征对于两类病变判别的诊断性能和应用所有特征集合的分类诊断性能。结果:多特征融合方法的各项诊断效能及ROC曲线下面积（AUC）值均优于单特征LBP、HOG、GLCM（P值均<0.05）。与人工诊断相比,多特征融合的敏感性无显著差异,但特异度显著升高达98.57%（Z值=2.25, P<0.05）,同时AUC值为0.985,显著优于人工诊断的0.910（Z值=1.99, P<0.05）。结论:计算机辅助系统乳腺超声肿瘤良恶性检测的算法是有效的,能够对乳腺癌鉴别诊断提供有益的参考。     

人工智能自动识别胎儿颜面部超声标准切面的研究

目的:探讨人工智能（AI）自动识别与分类胎儿颜面部超声标准切面（FFUSP）的价值。方法:以妊娠20~24周FFUSP图像为研究对象,含标准集1 906张和实验集4 532张。标准集分为训练集和测试集用于训练和测试AI模型识别分类鼻唇冠状切面、正中矢状面、经双眼球横切面及非标准切面;以产科超声专家分类为标准,比较分析AI、初级医生组、中级医生组对实验集FFUSP图像识别分类能力差异。结果:AI对测试集各切面的分类准确率均达97%以上,中级医生对实验集FFUSP各切面识别能力皆优于初级医生（P<0.05）。AI对FFUSP各切面总体识别效能优于初级医生和中级医生（P<0.05）,与专家分类一致性强（P<0.05）;AI分类效率显著优于医生人工分类（P<0.05）。结论:AI对FFUSP识别分类具有较高准确性,可作为胎儿超声规范化培训和图像质量控制的辅助方法。