• 美文
  • 文章
  • 散文
  • 日记
  • 诗歌
  • 小说
  • 故事
  • 句子
  • 作文
  • 签名
  • 祝福语
  • 情书
  • 范文
  • 读后感
  • 文学百科
  • 当前位置: 柠檬阅读网 > 范文 > 正文

    S-Detect技术联合基于CDFI调整的BI-RADS分类对乳腺结节良恶性的鉴别诊断价值

    时间:2022-12-06 21:15:01 来源:柠檬阅读网 本文已影响 柠檬阅读网手机站

    贺国华 胡俊凯 向伦祥

    超声是乳腺结节临床常用的影像学检查方式, 具有无创、快捷、无辐射等优点。乳腺影像学报告及数据系统(breast imaging report and data system, BI-RADS)可辅助超声医师通过影像学特征对乳腺结节进行定性分析, 更加客观和规范。但对于BI-RADS 4类结节, 特别是BI-RADS 4A类结节, 因其恶性风险相对偏低, 易出现漏误诊, 需进一步提高诊断准确率[1]。S-Detect技术是一种人工智能辅助诊断技术, 其基于深度学习模型自动判断病灶的良恶性, 可避免人工误判的风险[2]。文献[3]报道, 乳腺良恶性结节的血管分布及血供具有较大差异, 因此CDFI可能成为鉴别乳腺结节良恶性的辅助方法。基于此, 本研究旨在探讨S-Detect技术联合基于CDFI调整的BIRADS分类在乳腺结节良恶性鉴别诊断中的应用价值。

    一、临床资料

    选取2019年1月至2021年6月我院乳腺外科收治的BI-RADS 4A类[4]结节患者270例, 均为女性, 年龄20~73岁, 平均(42.65±13.52)岁;
    单发211例, 多发59例。所有患者均经穿刺活检或术后病理确诊, 共318个结节, 恶性170个, 最大径0.41~2.85 cm, 平均(1.42±0.59)cm, 其中浸润性导管癌160个, 导管内癌10个;
    良性148个, 最大径0.36~2.68, 平均(1.35±0.52)cm, 其中乳腺纤维瘤60个, 乳腺硬化性腺病32个, 导管内不典型增生22个, 肉芽肿性乳腺炎10个, 良性分叶状肿瘤8个, 导管内乳头状瘤8个, 浆细胞性乳腺炎和乳腺炎症伴微肿瘤形成各4个。排除妊娠或哺乳期女性、图像质量不佳及乳腺弥漫性病变患者。本研究经我院医学伦理委员会批准, 所有患者均知情同意。

    二、仪器与方法

    所有患者均于常规超声检查后行S-Detect技术、CDFI检查。

    1.CDFI检查:使用百胜MyLab Class C彩色多普勒超声诊断仪, LA523探头, 频率5~13 MHz。患者取仰卧位, 充分暴露前胸部、双侧乳房及腋窝, 以乳头为中心沿顺时针方向360°旋转扫查, 重点观察腺体及病灶周围血流情况, 脉冲多普勒检测血流速度、阻力指数。CDFI血流分级参考Adler等[5]方法分为0~Ⅲ级, 其中0~Ⅰ级为良性, Ⅱ~Ⅲ级为恶性。所有检查及图像处理均由2位具有5年以上工作经验的超声医师共同完成。

    2.S-Detect技术检查:使用三星RS 80A彩色多普勒超声诊断仪, L3-12A探头, 频率5~13 MHz;
    配备S-Detect分析软件。患者取仰卧位, 充分暴露前胸部、双侧乳房及腋窝, 以乳头为中心放射状扫查各象限腺体及腋下淋巴结, 勾画病灶边界, 然后开启S-Detect模式进行人工智能辅助诊断, 分别以最长轴切面和2个垂直切面自动绘制感兴趣区, 观察并记录病灶位置、成分、内部回声、钙化情况、回声有无衰减、纵横比、形态、边界及周边乳腺组织是否浸润等情况, 软件自动分析图像, 3个切面(最长轴切面和2个垂直切面)中有2个以上切面判读为“可能恶性”, 则结果为“可能恶性”;
    3个切面均为“可能良性”或仅一个切面判读为“可能恶性”, 则结果为“可能良性”。

    3.BI-RADS分类调整方法:根据CDFI检查结果对BIRADS 4A类结节分类结果进行调整, 血流分级0~Ⅰ级时下调一级;
    血流分级Ⅱ级时分类结果不变;
    血流分级Ⅲ级时上调一级。调整后将BI-RADS 4A类及以下判为良性, 4B类判为恶性。

    4.联合诊断方法:根据S-Detect技术检查结果与调整后的BI-RADS分类结果进行联合诊断, 若两种方法检查结果一致, 则以原判读结果为联合诊断结果;
    若S-Detect技术检查结果为良性, 调整后BI-RADS分类结果为恶性, 则联合诊断结果为恶性;
    若S-Detect技术检查结果为恶性, 调整后BI-RADS分类结果为良性, BI-RADS 3类结节联合诊断结果为良性, BI-RADS 4A类及以上结节联合诊断结果为恶性。

    三、统计学处理

    应用SPSS 22.0统计软件, 计数资料以频数或率表示, 采用χ2检验。以病理结果为金标准, 绘制四格表计算不同检查方法鉴别诊断乳腺结节良恶性的效能;
    绘制受试者工作特征(ROC)曲线分析不同检查方法鉴别乳腺结节良恶性的价值, 计算曲线下面积(AUC)。P<0.05为差异有统计学意义。

    一、不同检查方法诊断乳腺结节良恶性的情况

    S-Detect技术准确诊断乳腺恶性结节143个, 良性124个, 敏感性84.12%, 特异性83.78%;
    调整后BI-RADS分类准确诊断乳腺恶性结节152个, 良性130个, 敏感性89.41%, 特异性为87.84%;
    S-Detect技术联合调整后BI-RADS分类准确诊断乳腺恶性结节161个, 良性137个, 敏感性94.71%, 特异性92.57%。见表1和图1, 2。

    图1 患者术前、术后经胸超声心动图

    图1 S-Detect技术检查乳腺良恶性结节图像

    表1 不同检查方法诊断乳腺结节良恶性的情况 个

    图2 CDFI检查乳腺良恶性结节图像

    二、ROC曲线分析

    ROC曲线分析显示, S-Detect技术、调整后BI-RADS分类单独及联合应用鉴别诊断乳腺结节良恶性的AUC分别为0.840(95%可 信 区 间0.793~0.886)、0.886(95%可 信 区 间0.846~0.927)、0.936(95%可信区间0.905~0.968)。见图3。

    图3 不同检查方法鉴别诊断乳腺结节良恶性的ROC曲线图

    乳腺癌是女性常见恶性肿瘤, 其发病率呈逐年上升趋势, 严重危害女性身心健康。乳腺癌与良性结节临床表现虽然有一定重叠, 但两者治疗方法完全不同, 因此早期准确鉴别乳腺结节的良恶性有助于临床制定合适的治疗方案, 改善患者预后[6]。常规超声是乳腺结节的首选检查方法, 虽具有简便、快捷的优势, 但存在一定漏诊率, 具有局限性[7]。BI-RADS分类可通过结节形状、边界、边缘、回声及钙化等超声特征来评价其恶性风险, 提高了常规超声的诊断准确性[8]。其中BI-RADS 4A类结节为可疑恶性病变, 无明显恶性病变特征, 但由于受乳腺自身脓肿、血肿和脂肪坏死等因素干扰, 无法准确对乳腺结节定性, 具有一定争议[9], 需进一步通过穿刺活检、手术病理检查或其他检查确诊, 但活检早期诊断难度较大, 且该方法有创, 因此BI-RADS分类联合S-Detect技术、CDFI等影像学方法是目前临床研究的热点。

    新生血管的形成在乳腺癌的局部生长、侵袭和远处转移中均起着关键作用, 因此, 识别乳腺良恶性结节间的此特征可提高BI-RADS分类的准确性[10]。CDFI是利用多普勒效应通过测量目标区域内血红细胞的运动而产生的多普勒血流频谱信息, 然后根据血流的方向和速度进行显像, 目前已广泛用于心血管、颅内血管等疾病的诊断[11]。乳腺良恶性结节病变血管血流丰富程度存在差异, 血流丰富程度越高, 提示结节恶性病变的风险越高, 因此其与BI-RADS分类联合诊断具有协同作用, 从而提高诊断准确性。本研究结果显示, 经CDFI调整后的BI-RADS分类准确诊断乳腺恶性结节152个, 良性130个, 敏感性89.41%, 特异性为87.84%, ROC曲线下面积为0.886, 提示CDFI有助于BI-RADS分类更准确地鉴别乳腺结节良恶性, 降低漏误诊的发生。分析原因可能为恶性结节肿瘤细胞增殖需要大量的血氧, 促使其内部肿瘤血管大量生成, 易被CDFI检出;
    而良性结节处于未增殖状态, 内部几乎不存在血管或仅存在少量血管[12-13]。

    S-Detect技术是一种基于深度学习的人工智能辅助诊断工具, 通过快速自动分析病变的超声图像得出“可能良性”和“可能恶性”的结果, 具有更全面、更标准、更客观的特点, 可有效避免人为主观因素对诊断结果的影响[14]。有学者[15]发现, S-Detect技术的诊断准确率优于2年、5年、7年资超声医师的诊断结果, 诊断效能较好。本研究中, S-Detect技术准确诊断乳腺恶性结节143个, 良性124个, 敏感性84.12%, 特异性83.78%, ROC曲线下面积为0.840, 具有良好的诊断效能, 但仍有假阳性及假阴性结果。分析原因:①S-Detect技术缺乏超声中结节硬度、血流等相关参数, 而这些因素是乳腺结节定性诊断的重要线索;
    ②S-Detect技术采用单独切面诊断, 受限于超声图像切面特点, 病灶的部分超声影像特征仍需医师判读, 因此人工智能系统切面的选择仍需不断完善, 需要广大临床工作者共享更多的临床大数据, 以扩充S-Detect人工智能数据库, 进一步提升对超声图像判读的自动化, 故而S-Detect技术检查结果仅能作为参考[16]。

    本研究进一步将S-Detect技术与调整后BI-RADS分类联合应用, 结果显示其鉴别诊断乳腺结节良恶性的AUC为0.936, 敏感性和特异性均超过90%, 表明联合应用有利于提高对乳腺结节良恶性的诊断价值, 提示人工智能辅助BI-RADS分类鉴别乳腺结节良恶性能够提高超声图像人为判读的准确性, 减少人为因素带来的误差。

    综上所述, S-Detect技术联合基于CDFI调整的BI-RADS分类在乳腺结节良恶性鉴别诊断中具有良好的临床应用价值。但目前S-Detect技术仍需进一步提升对超声图像判读的自动化。

    猜你喜欢 良性血流恶性 体外反搏对于狭窄动脉内血流动力学环境影响的高精度计算机仿真研究现代仪器与医疗(2022年4期)2022-10-08NEAT1和miR-146a在结核性与恶性胸腔积液鉴别诊断中的价值传染病信息(2022年3期)2022-07-15微血流成像能准确鉴别和诊断胆囊息肉样病变南方医科大学学报(2022年6期)2022-06-30小剂量左甲状腺素对良性甲状腺结节的治疗效果及促甲状腺激素水平分析医学食疗与健康(2022年2期)2022-04-23探讨超声检查在甲状腺肿块良恶性鉴别中的诊断价值医学食疗与健康(2021年27期)2021-05-13基于系统论SPO模型的导管相关血流感染干预实践医学概论(2021年18期)2021-01-21The arrow that saved my life救命之箭疯狂英语·读写版(2020年10期)2020-11-06良性甲状腺结节需要治疗吗?保健与生活(2019年7期)2019-07-31激光多普勒血流仪用于检测牙髓血流的比较研究中国实用医药(2016年31期)2017-05-27神回复意林(2013年15期)2013-05-14
    相关热词搜索: 结节 乳腺 鉴别

    • 文学百科
    • 故事大全
    • 优美句子
    • 范文
    • 美文
    • 散文
    • 小说文章