目的探討人工智能（S-Detect技術(shù)）輔助BI-RADS分類(lèi)指導(dǎo)乳腺腫物活檢的價(jià)值。方法常規(guī)超聲BI-RADS分類(lèi)均為4類(lèi)的51例患者,共52個(gè)病灶均進(jìn)行穿刺活檢。穿刺活檢前行S-Detect輔助結(jié)節(jié)的BI-RADS再次分類(lèi),以病理結(jié)果作為金標(biāo)準(zhǔn)比較兩種分類(lèi)方法的差異。結(jié)果 BI-RADS 4類(lèi)結(jié)節(jié)遵照指南均應(yīng)進(jìn)行穿刺活檢,活檢率100%（52/52）、陽(yáng)性預(yù)測(cè)值38.5%（20/52）、假陽(yáng)性率61.5%（32/52）、漏診率0%（0/20）。S-Detect輔助分類(lèi)后,52個(gè)病灶中24個(gè)降類(lèi)為3類(lèi),則活檢率53.8%（28/52）、陽(yáng)性預(yù)測(cè)值67.9%（19/28）、假陽(yáng)性率32.1%（9/28）、漏診率5%（1/20）均發(fā)生明顯變化,其中活檢率及假陽(yáng)性率顯著減低（P<0.01）,漏診率的變化無(wú)統(tǒng)計(jì)學(xué)意義（P>0.05）。結(jié)論 S-Detect輔助乳腺結(jié)節(jié)再次分類(lèi)有助于減少不必要的穿刺活檢,提高活檢效能。 

【文章來(lái)源】：中國(guó)超聲醫(yī)學(xué)雜志. 2020,36(04)北大核心

【文章頁(yè)數(shù)】：4 頁(yè)

【文章目錄】：
資料與方法
    1. 研究對(duì)象
    2. 儀器與方法
    3. 統(tǒng)計(jì)學(xué)方法
結(jié) 果
    1. 病理結(jié)果
    2. 常規(guī)超聲及S-Detect輔助分類(lèi)結(jié)果
討 論
結(jié) 論


【參考文獻(xiàn)】：
期刊論文
[1]超聲人工智能用于乳腺結(jié)節(jié)良惡性診斷的研究[J]. 李程,花瞻,林江莉,趙玉珍,臧樹(shù)良,武敬平,李艷,王丹.  中國(guó)超聲醫(yī)學(xué)雜志. 2019(09)
[2]中國(guó)抗癌協(xié)會(huì)乳腺癌診治指南與規(guī)范（2019年版）[J]. 中國(guó)抗癌協(xié)會(huì)乳腺癌專(zhuān)業(yè)委員會(huì).  中國(guó)癌癥雜志. 2019(08)
[3]人工智能在乳腺癌診治中的應(yīng)用與思考[J]. 羅曉,李安華.  中華醫(yī)學(xué)超聲雜志(電子版). 2019(04)
[4]超聲乳腺影像報(bào)告數(shù)據(jù)系統(tǒng)及其解讀[J]. 周建橋,詹維偉.  中華醫(yī)學(xué)超聲雜志(電子版). 2011(06)



本文編號(hào)：3007070