期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
数字乳腺体层合成鉴别乳腺放射状病变良恶性的价值 被引量:1
1
作者 马光慧 黄海峡 +4 位作者 左翔 黄吟华 罗杨 徐国厚 王丁要 《复旦学报(医学版)》 CAS CSCD 北大核心 2023年第2期237-242,共6页
目的探讨数字乳腺体层合成(digital breast tomosynthesis,DBT)鉴别乳腺放射状病变良恶性的应用价值。方法回顾性分析2019年6月—2022年1月华东疗养院67例行数字乳腺X射线摄影(digital mammography,DM)和DBT检查并经病理证实的乳腺放射... 目的探讨数字乳腺体层合成(digital breast tomosynthesis,DBT)鉴别乳腺放射状病变良恶性的应用价值。方法回顾性分析2019年6月—2022年1月华东疗养院67例行数字乳腺X射线摄影(digital mammography,DM)和DBT检查并经病理证实的乳腺放射状病变患者的临床和影像资料。以病理结果为金标准,将患者分为良性组和恶性组,比较两组患者的一般基线资料;对比DM和DBT对乳腺放射状病变的诊断效能并分析DBT图像上两组病变中心密度、微钙化、病灶中心的大小、病灶整体的大小及毛刺长度方面的差异。结果67例患者中良性病变38例、恶性病变29例,两组患者年龄与是否绝经差异均有统计学意义(P<0.05)。DM、DBT对乳腺放射状病变检出率及诊断准确率分别为[61.94%(41/67)、100%(67/67)vs.65.85%(27/41)、74.63%(50/67)],两种检查方法的检出率存在显著差异(P<0.001),诊断准确率差异无统计学意义。DM和DBT对恶性放射状病变诊断的灵敏度[65.38%(17/26)vs.82.76%(24/29)]、特异度[66.67%(10/15)vs.68.42%(26/38)]、误诊率[33.34%(5/15)vs.31.58%(12/38)]以及漏诊率[34.62%(9/26)vs.17.24%(5/29)]差异均无统计学意义(P>0.05)。良性组和恶性组在DBT图像上病灶中心大小[(3.30±0.63)mm vs.(4.12±0.65)mm]、病灶整体大小[(24.64±5.28)mm vs.(30.22±7.29)mm]及毛刺长度[(11.32±3.38)mm vs.(13.24±2.23)mm]的差异有统计学意义(P<0.05),病变中心密度及微钙化分布差异无统计学意义。结论DBT对乳腺放射状病变的诊断具有优势。 展开更多
关键词 结构扭曲 放射状病变 数字乳腺X射线摄影(DM) 数字乳腺体层合成(dbt)
在线阅读 下载PDF
基于数字乳腺体层合成与深度学习的BI-RADS二分类模型对乳腺良、恶性肿块的鉴别诊断 被引量:4
2
作者 吕雪飞 方芳 +3 位作者 杨玲 雷露 孙玉 张丹丹 《中国医学影像学杂志》 CSCD 北大核心 2023年第5期480-484,共5页
目的 探索基于数字乳腺体层合成(DBT)与深度学习的乳腺影像报告和数据系统二分类模型对乳腺良、恶性肿块鉴别的可行性。资料与方法 回顾性分析2020年5月—2021年5月于湖北省武汉市红十字会医院行双侧乳腺DBT并经病理证实或长期随访的28... 目的 探索基于数字乳腺体层合成(DBT)与深度学习的乳腺影像报告和数据系统二分类模型对乳腺良、恶性肿块鉴别的可行性。资料与方法 回顾性分析2020年5月—2021年5月于湖北省武汉市红十字会医院行双侧乳腺DBT并经病理证实或长期随访的289例乳腺肿块图像。采用交互式标注,先由人工智能系统在合成2D乳腺X线片、DBT图像上进行读片,再由1名X线诊断医师对所有数据进行修正标注,并由1名高年资医师审核,将上述数据以2∶1随机分为训练集(192例)与测试集(97例)。分别选择densenet161、googlenet、mobilenet_v3_large、vgg19、resnet152模型进行训练,评价二分类模型诊断乳腺恶性肿块的效能。结果 每个模型效果曲线下面积均大于0.845,其中mobilenet_v3_large准确度最高,为82.47%,其敏感度和特异度分别为87.18%和79.31%。结论 采用深度学习二分类模型对DBT乳腺肿块图片进行良恶性鉴别可行,有望应用于临床。 展开更多
关键词 乳腺肿块 深度学习 数字乳腺体层合成 二分类 诊断 鉴别
在线阅读 下载PDF
双模式数字乳腺体层合成成像对乳腺疾病的诊断价值 被引量:2
3
作者 姜婷婷 汤伟 +4 位作者 尤超 肖勤 沈茜刚 彭卫军 顾雅佳 《中国癌症杂志》 CAS CSCD 北大核心 2021年第10期912-919,共8页
背景与目的:全数字化乳腺X线摄影(full-field digital mammography,FFDM)可显著降低乳腺癌的死亡率,但作为一种二维成像方式,对于致密型乳腺构成分类患者,其诊断灵敏度和特异度明显较低。探讨数字乳腺体层合成成像(digital breast tomos... 背景与目的:全数字化乳腺X线摄影(full-field digital mammography,FFDM)可显著降低乳腺癌的死亡率,但作为一种二维成像方式,对于致密型乳腺构成分类患者,其诊断灵敏度和特异度明显较低。探讨数字乳腺体层合成成像(digital breast tomosynthesis,DBT)结合FFDM对乳腺病变的鉴别诊断价值以及高分辨率扫描(high-resolution,HR)模式(扫描角度为40°,DBT-HR)和标准扫描(standard,ST)模式(扫描角度为15°,DBT-ST)诊断乳腺病变的价值。方法:前瞻性收集2016年7月—9月经临床或超声检查怀疑有乳腺异常病变,且经穿刺活检或术后病理学检查证实的175例女性乳腺疾病患者,行FFDM和DBT检查,随机进入DBT-HR组和DBT-ST组,对FFDM图像和DBT结合FFDM图像进行分析。参照2013版《乳腺影像报告和数据系统》(Breast Imaging Reporting and Data System,BI-RADS)分类标准,以病理学检查结果为金标准,采用受试者工作特征(receiver operating characteristic,ROC)曲线分析FFDM和DBT结合FFDM的诊断效能,根据不同的乳腺构成分类分别分析DBT-HR和DBT-ST的灵敏度和特异度。结果:175例患者共检出181个病灶,良性病灶50个,恶性病灶131个,所有入组病例的FFDM和FFDM结合DBT的灵敏度为81.92%和91.15%,特异度为77.45%和87.25%,两种方法的ROC曲线的曲线下面积(area under curve,AUC)差异有统计学意义(0.88 vs 0.94,Z值=5.37,P<0.01)。随机分入DBT-HR组病灶86个而DBT-ST组病灶95个。DBT-HR组FFDM和DBT主要征象表现一致率为83.14%,仅DBT可见率为3.49%,DBT-ST组FFDM和DBT主要征象表现一致率为92.63%,仅DBT可见率为0.53%。致密型乳房在结合DBT后灵敏度和特异度提高均较非致密型乳房明显,尤其是HR组致密型乳房灵敏度(18.72%)和ST组的致密型乳房的特异度(14.28%)均有所提高。结论:FFDM结合DBT的诊断效能优于FFDM,且DBT-HR优于DBT-ST,尤其是对致密型乳房的诊断。 展开更多
关键词 乳腺 数字乳腺体层合成成像 高分辨率扫描模式 标准扫描模式
在线阅读 下载PDF
基于影像组学对数字化乳腺断层摄影中肿块病变的鉴别诊断研究 被引量:3
4
作者 尤超 郑惠中 +6 位作者 姜婷婷 简嘉豪 范明 厉力华 吴炅 顾雅佳 彭卫军 《中国癌症杂志》 CAS CSCD 北大核心 2021年第12期1162-1167,共6页
背景与目的:数字乳腺体层合成(digital breast tomosynthesis,DBT)可提高病灶的检出率,目前已应用于乳腺癌筛查及人群诊断。针对DBT三维图像,探讨应用影像组学对乳腺肿块病变的鉴别诊断价值。方法:回顾并分析2019年4月—2020年8月于复... 背景与目的:数字乳腺体层合成(digital breast tomosynthesis,DBT)可提高病灶的检出率,目前已应用于乳腺癌筛查及人群诊断。针对DBT三维图像,探讨应用影像组学对乳腺肿块病变的鉴别诊断价值。方法:回顾并分析2019年4月—2020年8月于复旦大学附属肿瘤医院行DBT检查并经手术后理学检查证实的患者资料,选取DBT表现为肿块征象的143例女性患者入组。对所有患者基于肿块病灶的三维图像提取影像组学特征,采用Lasso logistic回归模型进行特征降维及筛选以建立影像组学标签。采用逻辑回归(logistic regression,LR)、支持向量机(support vector machine,SVM)以及梯度提升决策树(gradient boosting decision tree,GBDT)3种算法建立模型。以受试者工作特征(receiver operating characteristic,ROC)曲线评价影像组学标签对肿块良恶性的诊断效能。结果:经病理学检查证实的144个病灶中,良性病灶65个,恶性病灶79个,按8∶2比例划分为训练集与测试集。基于不同数目特征的分类器算法,LR、SVM和GBDT的最佳特征数目分别为20、24和32。GBDT模型表现效果最佳,在测试集上取得了0.91的AUC值。结论:基于影像组学的GBDT模型由于其集成学习的优势,可以有效鉴别DBT中肿块病变的良恶性。 展开更多
关键词 数字乳腺体层合成 肿块 影像组学 诊断
在线阅读 下载PDF
基于MRI定量参数及三维断层摄影构建乳腺良恶性病变诊断模型及其效能分析
5
作者 高树波 胡云婷 +2 位作者 曹桂娟 胡芸 王翔 《中国医学计算机成像杂志》 2025年第4期477-483,共7页
目的:基于MRI定量参数及数字乳腺体层合成(DBT)构建乳腺良恶性病变诊断模型,并分析其效能。方法:选取医院2022年1月至2024年6月126例乳腺病变患者,所有患者均行常规MRI、磁共振弥散加权成像(MRI-DWI)、动态增强磁共振成像(DCE-MRI)、DB... 目的:基于MRI定量参数及数字乳腺体层合成(DBT)构建乳腺良恶性病变诊断模型,并分析其效能。方法:选取医院2022年1月至2024年6月126例乳腺病变患者,所有患者均行常规MRI、磁共振弥散加权成像(MRI-DWI)、动态增强磁共振成像(DCE-MRI)、DBT检查,根据病理结果分为恶性组(n=80)及良性组(n=46)。比较两组MRI形态学、T2WI特征及定量参数[表观弥散系数(ADC)、容积转换常数(K^(trans))、速率常数(K_(ep))、血管外细胞外间隙百分比(V_(e))],对比两组DBT影像学特征,乳腺良恶性肿块鉴别的影响因素采用logistic回归分析,并构建诊断模型,分析其效能。结果:2名观察者测量ADC、K^(trans)、K_(ep)、V_(e)的一致性良好(ICC>0.75);恶性组及良性组在病灶形态、边缘、微钙化、强化特点、T2WI特征等方面比较,差异有统计学意义(P<0.05);恶性组ADC低于良性组,K^(trans)、K_(ep)、V_(e)高于良性组(P<0.05);恶性组病灶形态不规则、边缘模糊、微钙化占比分别为71.25%、73.75%、77.50%,高于良性组的39.13%、36.96%、30.43%(P<0.05);多因素logistic回归分析显示,强化特点、T2WI特征、ADC、K^(trans)、K_(ep)、病灶形态、边缘及微钙化为影响乳腺良恶性肿块鉴别的独立影响因素(P<0.05);Hosmer-Lemeshow检验结果显示χ^(2)=4.569,P=0.799,回归方程拟合度较好;采用受试者工作特征(ROC)曲线分析模型的预测效能发现,基于MRI定量参数及DBT构建的诊断模型诊断乳腺良恶性病变的ROC曲线下面积(AUC)为0.960(95%CI0.930~0.990;P<0.05),模型具有良好的预测效能。结论:乳腺良恶性病变MRI定量参数及DBT影像学特征存在明显差异,基于两者构建的诊断模型可以准确诊断乳腺良恶性病变,具有良好的应用价值。 展开更多
关键词 乳腺良恶性病变 磁共振弥散加权成像 动态增强磁共振成像 数字乳腺体层合成 诊断模型 诊断效能
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部