期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到3篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于人工智能深度学习算法的超声诊断系统在触诊阴性的乳腺结节良恶性鉴别中的应用 被引量：18
1
作者 刘瑞 袁文佳 刘巍 《郑州大学学报（医学版）》 CAS 北大核心 2023年第3期406-410,共5页
目的:探讨基于人工智能深度学习算法的超声诊断系统在触诊阴性的乳腺结节良恶性鉴别中的应用。方法:回顾性分析120例乳腺结节患者临床资料,所有纳入的病例术前触诊阴性,并行超声检查、超声弹性成像以及人工智能深度学习算法S-Detect检查... 目的:探讨基于人工智能深度学习算法的超声诊断系统在触诊阴性的乳腺结节良恶性鉴别中的应用。方法:回顾性分析120例乳腺结节患者临床资料,所有纳入的病例术前触诊阴性,并行超声检查、超声弹性成像以及人工智能深度学习算法S-Detect检查,术后有完整的病理组织学报告。分别计算超声弹性成像、人工智能S-Detect以及联合诊断方法对于乳腺良恶性结节的诊断价值。结果:120例患者共检查出153个乳腺病灶,组织病理学检查中良性病灶共97个,恶性病灶共56个。超声弹性成像共检出60个恶性结节和93个良性结节,超声弹性成像诊断敏感度75.00%,特异度81.44%,阳性预测值70.00%,阴性预测值84.95%,准确度79.08%。人工智能S-Detect共检出67个恶性结节和86个良性结节,人工智能S-Detect诊断敏感度91.07%,特异度83.51%,阳性预测值76.12%,阴性预测值94.19%,准确度86.27%。二者联合诊断共检出65个恶性结节和88个良性结节,诊断敏感度94.64%,特异度87.63%,阳性预测值81.54%,阴性预测值96.59%,准确度90.20%。与单独超声弹性成像或人工智能S-Detect相比,联合诊断方案AUC(95%CI)为0.864(0.790~0.942),具有更好的诊断效果。结论:基于人工智能深度学习算法的超声诊断系统在触诊阴性的乳腺结节良恶性鉴别中的应用效果较好,有助于辅助临床诊断。 展开更多
关键词 乳腺结节 良恶性鉴别 超声诊断 人工智能
在线阅读 下载PDF
ACR TI-RADS分类对甲状腺髓样癌的诊断价值 被引量：12
2
作者 刘昱含 王雁 +1 位作者 郭晓霞 王成增 《郑州大学学报（医学版）》 CAS 北大核心 2018年第6期816-820,共5页
目的:探讨美国放射学会(ACR)制定的甲状腺影像报告和数据系统(TI-RADS)在甲状腺髓样癌(MTC)中的诊断价值。方法:根据TI-RADS分类标准对术后病理证实的297例甲状腺结节进行分类,其中MTC 48例,甲状腺乳头状癌(PTC) 142例,良性结节107例,... 目的:探讨美国放射学会(ACR)制定的甲状腺影像报告和数据系统(TI-RADS)在甲状腺髓样癌(MTC)中的诊断价值。方法:根据TI-RADS分类标准对术后病理证实的297例甲状腺结节进行分类,其中MTC 48例,甲状腺乳头状癌(PTC) 142例,良性结节107例,回顾性分析PTC和MTC的超声征象差异。结果:TI-RADS分类诊断PTC的敏感度、特异度、准确率分别为79. 6%、89. 7%和83. 9%;诊断MTC的敏感度、特异度、准确率分别为66. 7%、89. 7%、和82. 6%; PTC和MTC的ROC曲线下面积分别为0. 929 (0. 895～0. 963)和0. 853 (0. 790～0. 915),差异有统计学意义,P=0. 018)。两名超声医师TI-RADS分类结果一致性较高(Kappa=0. 958,P <0. 001)。MTC和PTC在肿瘤大小、边界、形态、纵横比方面的差异有统计学意义(P <0. 05)。结论:TI-RADS分类对MTC的诊断效能低于PTC,MTC具有一些特异的超声征象。 展开更多
关键词 甲状腺髓样癌 甲状腺头状癌 超声检查 甲状腺影像报告和数据系统
在线阅读 下载PDF
基于深度学习模型的S-Detect技术在甲状腺良恶性结节鉴别诊断中的应用价值 被引量：5
3
作者 李潜 刘春丽 +2 位作者 郭兰伟 韦雅楠 丁思悦 《郑州大学学报（医学版）》 CAS 北大核心 2021年第2期285-289,共5页
目的:探讨基于深度学习模型的超声人工智能辅助诊断技术(S-Detect技术)在甲状腺结节诊断中的临床应用价值。方法:选取2019年10月至2020年5月在河南省肿瘤医院治疗并行超声检查的甲状腺结节患者(共183例患者,183个病灶),分别由超声医生及... 目的:探讨基于深度学习模型的超声人工智能辅助诊断技术(S-Detect技术)在甲状腺结节诊断中的临床应用价值。方法:选取2019年10月至2020年5月在河南省肿瘤医院治疗并行超声检查的甲状腺结节患者(共183例患者,183个病灶),分别由超声医生及S-Detect技术对其超声声像图特征进行分析,比较二者对不同超声特征诊断的一致性,并以病理结果为金标准,评估S-Detect技术在甲状腺结节鉴别诊断中的临床应用价值。结果:183例甲状腺结节经病理证实良性68例,恶性115例,S-Detect技术对本组数据诊断的敏感性、特异性、准确率分别为84.35%、86.76%、85.25%;高年资医师组诊断的敏感性、特异性、准确率分别为90.43%、92.65%、91.26%,低年资医师组诊断的敏感性、特异性、准确率分别为76.52%、82.35%、78.69%,在可以评估的5个超声声像图特征中,结节成分、回声及纵横比3个指标超声医师与S-Detect诊断的一致性较高,结节形状及边缘2个指标超声医师与S-Detect诊断的一致性较差。结论:基于深度学习模型的S-Detect技术诊断甲状腺结节的准确率较高,有助于提高低年资医师诊断的准确性。 展开更多
关键词 甲状腺肿瘤 超声诊断 人工智能 深度学习模型 S-Detect技术
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部