人工智能辅助BI-RADS分类指导乳腺肿物活检的初步研究
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.3969/j.issn.1002-0101.2020.04.012

人工智能辅助BI-RADS分类指导乳腺肿物活检的初步研究

引用
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.

BI-RADS分类、S-Detect、活检

36

2020-06-02(万方平台首次上网日期,不代表论文的发表时间)

共4页

325-328

相关文献
评论
暂无封面信息
查看本期封面目录

中国超声医学杂志

1002-0101

11-2110/R

36

2020,36(4)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn