S-Detect技术在甲状腺结节超声诊断中的初步应用

发布时间：2021-05-13 20:36

　　目的:探讨S-Detect技术在甲状腺结节超声诊断的临床价值。方法:选取292例患者,共321个结节应用S-Detect技术进行检查分类,将得到的结果与病理结果进行对比分析。结果:病理结果中良性病灶104个（32. 4%）,恶性病灶217个（67. 6%）。以细胞学病理为金标准,S-Detect技术横切面及纵切面的诊断准确率分别为61. 22%（150/245）、66. 12%（162/245）,两者的敏感性、特异性、阳性预测值、阴性预测值分别为68. 39%、48. 89%、69. 74%、47. 31%及74. 19%、52. 22%、72. 78%、54. 02%;以组织学病理为金标准,S-Detect技术横切面及纵切面诊断的准确率分别为69. 74%（53/76）、77. 63%（59/76）,两者的敏感性、特异性、阳性预测值、阴性预测值分别为74. 19%、50. 00%、86. 79%、30. 43%及83. 87%、50. 00%、88. 14%、41. 18%。结论:S-Detect技术对于提高甲状腺结节诊断准确率、降低超声医生劳动负荷有积极意义,其使用规范及操作指南有... 

【文章来源】：肿瘤预防与治疗. 2020,33(11)

【文章页数】：6 页

【文章目录】：
1 资料与方法
    1.1 对象
    1.2 仪器与方法
    1.3 诊断标准
    1.4 病理活检
    1.5 统计学分析
2 结果
    2.1 病理结果
    2.2 S-Detect与病理诊断比较
    2.3 S-Detect诊断效价
3 讨论
    3.1 甲状腺结节CAD应用背景及临床意义
    3.2 甲状腺结节CAD技术的诊断特点
    3.3 甲状腺结节CAD技术的不足及建议
    3.4 发展与展望


【参考文献】：
期刊论文
[1]医学人工智能应用若干问题的哲学思考[J]. 张青,杨卫敏,徐一峰.  医学与哲学. 2020(05)
[2]生物医学领域人工智能应用的伦理问题[J]. 郭旭芳,刘辉.  基础医学与临床. 2020(02)
[3]医疗数据信息安全政策研究[J]. 郭强,王乐子,母健康,朱翀,胡新龙,张渝翔,路正鹏,马建辉.  医学信息学杂志. 2020(01)
[4]人工智能辅助CT肺结节良恶性鉴别的研究进展[J]. 邱露,方向明,陈宏伟.  临床放射学杂志. 2019(12)
[5]人工智能在医学影像中的应用[J]. 粱振宇,翟艳东.  医学信息学杂志. 2019(09)
[6]人工智能在乳腺影像领域的应用现状[J]. 韩英,何生,姜增誉,李健丁.  放射学实践. 2019(07)
[7]S-Detect技术与BI-RADS分类对乳腺肿物良恶性评估的比较[J]. 杜建文,葛雪,刘欢颜,王洪,晋秀丽,李风娟.  中国超声医学杂志. 2019(07)
[8]光声/超声双模态成像技术在生物医学中的新进展[J]. 黄豆豆,邱棋,林文珍,刘基嫣,黄雅丽,赵庆亮.  光散射学报. 2019(01)
[9]超声S-Detect技术在甲状腺肿瘤诊断中的初步应用[J]. 韩红,俞清,赵磊,张龙辉,王文平,李超伦,李丛.  中华超声影像学杂志. 2018 (01)
[10]Visual interpretability for deep learning:a survey[J]. Quan-shi ZHANG,Song-chun ZHU.  Frontiers of Information Technology & Electronic Engineering. 2018(01)



本文编号：3184666