人工智能S-detect技术在超声BI-RADS 4类乳腺肿块中的应用价值.pdf
《人工智能S-detect技术在超声BI-RADS 4类乳腺肿块中的应用价值.pdf》由会员分享,可在线阅读,更多相关《人工智能S-detect技术在超声BI-RADS 4类乳腺肿块中的应用价值.pdf(4页珍藏版)》请在咨信网上搜索。
1、论 著第 36 卷第 17 期医学信息Vol.36 No.172023 年 9 月Journal of Medical InformationSept.2023作者简介:贺芳(1989.10-),女,湖南宁乡人,硕士,住院医师,主要从事乳腺超声诊断工作人工智能 S-detect 技术在超声 BI-RADS 4 类乳腺肿块中的应用价值贺 芳1袁肖际东2袁郭 阳3渊1.长沙市第三医院超声科袁湖南 长沙410035曰2.中南大学湘雅三医院超声科袁湖南 长沙410013曰3.哈尔滨医科大学第一临床医学院袁黑龙江 哈尔滨150007冤摘要院目的探究人工智能S-detect技术在超声BI-RADS 4类乳
2、腺肿块中的应用价值遥方法选取2018年2月-2020年2月在中南大学湘雅三医院进行乳腺超声检查的女性患者73例作为研究对象袁同时进行了S-detect检测遥以组织学病理结果为金标准袁分析S-detect技术在辅助常规超声前后在BI-RADS 4类乳腺肿块中诊断效能遥结果以组织学病理结果为金标准袁常规超声对76例乳腺肿块进行BI-RADS分类的正确率为72.37%尧S-detect检测的正确率为71.05%袁二者结合诊断的正确率为81.58%遥常规超声尧S-detect检测及S-detect辅助超声的受试者工作特征曲线下面积分别为0.724尧0.746和0.838袁后者具有最佳的AUC值渊 约0
3、.05冤遥结论S-detect技术能有效提高常规超声对BI-RADS 4类乳腺肿块的诊断效能袁减少不必要肿块活检遥关键词院BI-RADS 4类曰S-detect技术曰人工智能曰乳腺肿块中图分类号院R737.9文献标识码院ADOI院10.3969/j.issn.1006-1959.2023.17.022文章编号院1006-1959渊2023冤17-0115-04Application Value of Artificial Intelligence S-detect Technologyin Ultrasound BI-RADS 4 Breast MassesHE Fang1,XIAO Ji-d
4、ong2,GUO Yang3(1.Department of Diagnostic Ultrasound,the Third Hospital of Changsha,Changsha 410035,Hunan,China;2.Department of Diagnostic Ultrasound,the Third Xiangya Hospital of Central South University,Changsha 410013,Hunan,China;3.The First Clinical Medical College of Harbin Medical University,H
5、arbin 150007,Heilongjiang,China)Abstract:ObjectiveTo explore the application value of artificial intelligence S-detect technology in ultrasound BI-RADS 4 breast masses.Methods A total of 73 female patients who underwent breast ultrasound examination in the Third Xiangya Hospital of Central South Uni
6、versity fromFebruary 2018 to February 2020 were selected as the research objects,and S-detect detection was performed at the same time.The diagnostic efficacyof S-detect technique in BI-RADS 4 breast masses before and after conventional ultrasound was analyzed with histopathological results as the g
7、oldstandard.Results With the histopathological results as the gold standard,the accuracy of BI-RADS classification of 76 cases of breast masses byconventional ultrasound was 72.37%,the accuracy of S-detect detection was 71.05%,and the accuracy of combined diagnosis was 81.58%.The areaunder the recei
8、ver operating characteristic curve of conventional ultrasound,S-detect detection and S-detect assisted ultrasound were 0.724,0.746and 0.838,respectively,and the last one had the best AUC value(0.05).Conclusion S-detect technology can effectively improve the diagnosticefficiency of conventional ultra
9、sound for BI-RADS 4 breast masses,and reduce unnecessary mass biopsy.Key words:BI-RADS 4 category;S-detect technology;Artificial intelligence;Breast mass乳腺癌(breast cancer)作为全球最常见恶性肿瘤1,其每年新增病例的数量不断增加,已经成为世界范围内备受关注的重大公共卫生问题2。常规超声作为乳腺恶性肿瘤筛查、乳腺病变鉴别诊断常用影像学技术之一,具有无创、无辐射、经济、便捷等特点3,4。2003 年美国放射学学会(American
10、College ofRadiology,ACR)提出了乳腺成像报告和数据系统(Breast Imaging Reporting and Data System,BI-RADS)用于规范乳腺影像学术语的描述和评估乳腺病变的潜在恶性程度,更好的对乳腺病变进行管理。其中,BI-RADS 4 类的乳腺病变是一类可疑恶性的病变组织,被细分为 a、b 和 c 3 个亚类,恶性概率为 2%95%5。即使随着超声设备的技术改进和超声医师的经验增加,BI-RADS 4 类的亚分类备受研究学者的争议,受到个人风险因素影响较大,难以均匀适用6-8,尤其对于基层医院医生或缺乏丰富经115论 著第 36 卷第 17 期
11、医学信息Vol.36 No.172023 年 9 月Journal of Medical InformationSept.2023验的低年资医生更具挑战性。人工智能 S-detect技术是一款基于深度学习模式的计算机辅助超声诊断技术,已广泛应用于超声诊断乳腺及甲状腺等病变,相关研究证明了其在临床应用的潜在价值9。但目前关于人工智能技术在乳腺超声 BI-RADS 4 类肿块中的应用价值研究较少。因此,本研究通过 S-detect 技术辅助乳腺超声对 BI-RADS4 类乳腺肿块进行良恶性鉴别诊断,评估其在BI-RADS 4 类乳腺肿块中的应用价值,旨在辅助超声及临床医师更为客观、准确的对肿块风险
12、性进行评估和管理。1资料与方法1.1 一般资料 选取 2018 年 2 月-2020 年 2 月在中南大学湘雅三医院进行乳腺超声检查的女性患者73 例作为研究对象。纳入标准:淤常规超声分类为BI-RADS 4 类的乳腺肿块患者,分类包括 BI-RADS4a 类、4b 类及 4c 类,同时患者进行了 S-detect 技术检测;于患者乳腺肿块在该院进行手术切除或者活体组织病理检查,具有完善的组织学病理诊断结果;盂患者进行乳腺超声检查之前未曾行手术治疗、活体组织病理检查、新辅助化疗等。排除标准:淤常规超声无法或难以显示的乳腺病灶;于处于孕期或者哺乳期的女性患者;盂有假体植入乳腺。1.2 方法1.2
13、.1 常规超声 扫查使用 Samsung RS80A 彩色多普勒超声检查仪,探头 L3-12A,频率为 513 MHz。对检测到的目标肿块进行多个切面扫查,观察并记录肿块的大小、形态、内部回声、方向、边缘、钙化、后方回声特征等,并存取相关声像图。1.2.2 S-detect 技术检测 在 Samsung RS80A 彩色多普勒超声检查仪常规乳腺检查的基础上,进入 S-detect 模式,将获取到目标肿块的最大径线所在切面作为 S-detect 检测的标准切面进行检测。S-detect系统自动识别并勾画出兴趣区域范围并出具一份“可能良性”或“可能恶性”的乳腺肿块良恶性评估的二分类报告,其中包含对
14、目标肿块的形态、方向、后方回声特征、内部回声特征、边界及边缘信息的描述,同时对报告进行保存。1.3 评价标准 超声医师根据常规乳腺超声声像学特征,并参照 ACR 提出的最新的 BI-RADS 分类标准进行评估分类,恶性特征主要表现:形态不规则、边缘毛刺、边界模糊、纵横比大于 1、内见点状或簇状钙化等10,11,其中当乳腺肿块具有 1 项恶性特征时诊断为 BI-RADS 4a 类,具有 2 项恶性特征时诊断为 BI-RADS 4b 类,具有 3 项恶性特征时诊断为BI-RADS 4c 类。乳腺肿块超声 BI-RADS 分类为 4b及以上者判定为恶性,4a 及以下者判定为良性12-14。S-det
15、ect 技术辅助超声医师进行乳腺肿块 BI-RADS分类时,超声医师在常规超声扫查获取肿块超声声像图的特征的基础上根据 S-detect 分析报告中提供的肿块描述特征进行再次 BI-RADS 分类。以上超声检查及诊断工作由具有 2 年及 8 年工作经验的 2 位超声医师共同协商完成。1.4 统计学方法 采用 SPSS 29.0 统计学软件进行数据分析。计量资料以(依)表示,计数资料以(%)表示,采用2检验。组织学病理结果作为金标准,对常规超声诊、S-detect 检测及 S-detect 技术辅助常规超声诊断的诊断敏感度、特异度和准确度进行比较分析,绘制出不同诊断方法的受试者工作特征(ROC)
16、曲线,计算其 ROC 曲线下面积(AUC)。以 约0.05 认为差异有统计学意义。2结果2.1 组织学病理分型 最终纳入 73 例女性患者,年龄 1969 岁,平均年龄(43.12依11.28)岁;76 例乳腺肿块大小 4.136.1 mm,平均乳腺肿块大小(18.67依7.76)mm。其中,良性病灶 47 例(61.84%),包括纤维腺瘤 24 例、乳腺增生 15 例、导管内乳头状瘤 3 例、乳 腺 肉 芽 肿 性 乳 腺 炎 5 例;恶 性 病 灶 29 例(38.16%),包括浸润性导管癌 25 例、导管内原位癌2 例、浸润性小叶癌和髓样癌各 1 例。2.2 常规超声、S-detect
17、检测及 S-detect 辅助常规超声的诊断结果 以组织学病理结果为金标准,常规超声对 76 例乳腺肿块进行 BI-RADS 分类,其中 BI-RADS 4a 类 42 例、BI-RADS 4b 类 27 例、BI-RADS 4c 类 7 例,正确诊断 55 例(72.37%)、误诊 13 例(27.66%)、漏诊 8 例(27.59%)。S-detect 技术对 76 例乳腺肿块进行检测,正确诊断 54 例(71.05%)。在常规超声基础上结合 S-detect 对每例乳腺肿块出具的分析报告,对 76 例乳腺肿块进行再次 BI-RADS 分类结果,其中 BI-RADS 3 类 13 例、BI
18、-RADS 4a 类 24 例、BI-RADS 4b 类 31 例、BI-RADS 4c 类 8 例,正确诊断 62 例(81.58%)、误诊 12 例(25.53%)、漏诊 2 例(6.90%),见表 1。116论 著第 36 卷第 17 期医学信息Vol.36 No.172023 年 9 月Journal of Medical InformationSept.20232.3 S-detect 技术辅助超声诊断前后乳腺肿块 BI-RADS 分类及诊断效能比较 S-detect 辅助超声对76 例乳腺肿块进行再次 BI-RADS 分类后,13 例良性乳腺病变被降级诊断为 BI-RADS 3 类
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 人工智能S-detect技术在超声BI-RADS 4类乳腺肿块中的应用价值 人工智能 detect 技术 超声 BI RADS 乳腺 肿块 中的 应用 价值
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。