人工智能辅助BI-RADS分类指导乳腺肿物活检的初步研究

发布时间：2021-01-29 14:49

　　目的探讨人工智能（S-Detect技术）辅助BI-RADS分类指导乳腺肿物活检的价值。方法常规超声BI-RADS分类均为4类的51例患者,共52个病灶均进行穿刺活检。穿刺活检前行S-Detect辅助结节的BI-RADS再次分类,以病理结果作为金标准比较两种分类方法的差异。结果 BI-RADS 4类结节遵照指南均应进行穿刺活检,活检率100%（52/52）、阳性预测值38.5%（20/52）、假阳性率61.5%（32/52）、漏诊率0%（0/20）。S-Detect辅助分类后,52个病灶中24个降类为3类,则活检率53.8%（28/52）、阳性预测值67.9%（19/28）、假阳性率32.1%（9/28）、漏诊率5%（1/20）均发生明显变化,其中活检率及假阳性率显著减低（P<0.01）,漏诊率的变化无统计学意义（P>0.05）。结论 S-Detect辅助乳腺结节再次分类有助于减少不必要的穿刺活检,提高活检效能。 

【文章来源】：中国超声医学杂志. 2020,36(04)北大核心

【文章页数】：4 页

【文章目录】：
资料与方法
    1. 研究对象
    2. 仪器与方法
    3. 统计学方法
结 果
    1. 病理结果
    2. 常规超声及S-Detect辅助分类结果
讨 论
结 论


【参考文献】：
期刊论文
[1]超声人工智能用于乳腺结节良恶性诊断的研究[J]. 李程,花瞻,林江莉,赵玉珍,臧树良,武敬平,李艳,王丹.  中国超声医学杂志. 2019(09)
[2]中国抗癌协会乳腺癌诊治指南与规范（2019年版）[J]. 中国抗癌协会乳腺癌专业委员会.  中国癌症杂志. 2019(08)
[3]人工智能在乳腺癌诊治中的应用与思考[J]. 罗晓,李安华.  中华医学超声杂志(电子版). 2019(04)
[4]超声乳腺影像报告数据系统及其解读[J]. 周建桥,詹维伟.  中华医学超声杂志(电子版). 2011(06)



本文编号：3007070