基于乳腺X线摄影的深度学习技术鉴别乳腺影像报告和数据系统3类与4类疾病的价值

摘要：

目的:探讨基于乳腺X线摄影的深度学习技术鉴别乳腺影像报告和数据系统（BI-RADS）3类与4类疾病的价值。方法:回顾性分析2020年1至12月在深圳市人民医院及深圳市罗湖区人民医院乳腺X线摄影评估为BI-RADS 3类及4类305例患者的临床及影像资料。305例患者共314个病灶，均为女性，年龄21~83（47±12）岁。按1∶1比例交叉、简单随机分配给2名工作经验分别为5年及6年普通影像诊断医师（普通医师A、普通医师B）和2名工作经验均为21年且经过专业乳腺影像培训的乳腺影像诊断医师（专业医师A、专业医师B）单独阅片，之后分别结合深度学习系统再次阅片，最终将乳腺病变重新分为BI-RADS 3类或4类。采用受试者操作特征曲线及曲线下面积（AUC）评价诊断效能，以DeLong法比较AUC的差异。结果:普通医师A结合深度学习系统重新分类BI-RADS 3类与4类乳腺病灶的AUC较普通医师A单独诊断明显提高（AUC分别为0.79、0.63，
Z=2.82、
P=0.005）；普通医师B结合深度学习系统重新分类BI-RADS 3类与4类乳腺病灶的AUC较普通医师B明显提高（AUC分别为0.83、0.64，
Z=3.32、
P=0.001）。专业医师A结合深度学习系统与专业医师A、专业医师B结合深度学习系统与专业医师B重新分类BI-RADS 3类与4类乳腺病灶的AUC差异均无统计意义（
P>0.05）。
结论:基于乳腺X线摄影的深度学习系统辅助普通医师鉴别BI-RADS 3类与4类疾病的效能更显著。

关键词：乳腺肿瘤、乳房X线摄影术、人工智能、深度学习

所属期刊栏目：57

资助基金：深圳市科技研发资金GJHZ20210705142208024;Shenzhen Science and Technology Research and Development FundGJHZ20210705142208024

在线出版日期：2023-05-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：166-172