目的:探討S-Detect技術(shù)在甲狀腺結(jié)節(jié)超聲診斷的臨床價值。方法:選取292例患者,共321個結(jié)節(jié)應用S-Detect技術(shù)進行檢查分類,將得到的結(jié)果與病理結(jié)果進行對比分析。結(jié)果:病理結(jié)果中良性病灶104個（32. 4%）,惡性病灶217個（67. 6%）。以細胞學病理為金標準,S-Detect技術(shù)橫切面及縱切面的診斷準確率分別為61. 22%（150/245）、66. 12%（162/245）,兩者的敏感性、特異性、陽性預測值、陰性預測值分別為68. 39%、48. 89%、69. 74%、47. 31%及74. 19%、52. 22%、72. 78%、54. 02%;以組織學病理為金標準,S-Detect技術(shù)橫切面及縱切面診斷的準確率分別為69. 74%（53/76）、77. 63%（59/76）,兩者的敏感性、特異性、陽性預測值、陰性預測值分別為74. 19%、50. 00%、86. 79%、30. 43%及83. 87%、50. 00%、88. 14%、41. 18%。結(jié)論:S-Detect技術(shù)對于提高甲狀腺結(jié)節(jié)診斷準確率、降低超聲醫(yī)生勞動負荷有積極意義,其使用規(guī)范及操作指南有... 

【文章來源】：腫瘤預防與治療. 2020,33(11)

【文章頁數(shù)】：6 頁

【文章目錄】：
1 資料與方法
    1.1 對象
    1.2 儀器與方法
    1.3 診斷標準
    1.4 病理活檢
    1.5 統(tǒng)計學分析
2 結(jié)果
    2.1 病理結(jié)果
    2.2 S-Detect與病理診斷比較
    2.3 S-Detect診斷效價
3 討論
    3.1 甲狀腺結(jié)節(jié)CAD應用背景及臨床意義
    3.2 甲狀腺結(jié)節(jié)CAD技術(shù)的診斷特點
    3.3 甲狀腺結(jié)節(jié)CAD技術(shù)的不足及建議
    3.4 發(fā)展與展望


【參考文獻】：
期刊論文
[1]醫(yī)學人工智能應用若干問題的哲學思考[J]. 張青,楊衛(wèi)敏,徐一峰.  醫(yī)學與哲學. 2020(05)
[2]生物醫(yī)學領域人工智能應用的倫理問題[J]. 郭旭芳,劉輝.  基礎醫(yī)學與臨床. 2020(02)
[3]醫(yī)療數(shù)據(jù)信息安全政策研究[J]. 郭強,王樂子,母健康,朱翀,胡新龍,張渝翔,路正鵬,馬建輝.  醫(yī)學信息學雜志. 2020(01)
[4]人工智能輔助CT肺結(jié)節(jié)良惡性鑒別的研究進展[J]. 邱露,方向明,陳宏偉.  臨床放射學雜志. 2019(12)
[5]人工智能在醫(yī)學影像中的應用[J]. 粱振宇,翟艷東.  醫(yī)學信息學雜志. 2019(09)
[6]人工智能在乳腺影像領域的應用現(xiàn)狀[J]. 韓英,何生,姜增譽,李健丁.  放射學實踐. 2019(07)
[7]S-Detect技術(shù)與BI-RADS分類對乳腺腫物良惡性評估的比較[J]. 杜建文,葛雪,劉歡顏,王洪,晉秀麗,李風娟.  中國超聲醫(yī)學雜志. 2019(07)
[8]光聲/超聲雙模態(tài)成像技術(shù)在生物醫(yī)學中的新進展[J]. 黃豆豆,邱棋,林文珍,劉基嫣,黃雅麗,趙慶亮.  光散射學報. 2019(01)
[9]超聲S-Detect技術(shù)在甲狀腺腫瘤診斷中的初步應用[J]. 韓紅,俞清,趙磊,張龍輝,王文平,李超倫,李叢.  中華超聲影像學雜志. 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)



本文編號：3184666