人工智能S-Detect技术联合BI-RADS分类及Adler分级法在乳腺肿块诊断中的价值

人工智能S-Detect技术联合BI-RADS分类及Adler分级法在乳腺肿块诊断中的价值

R445.1; 目的 探讨人工智能S-Detect技术联合BI-RADS分类及Adler分级法诊断乳腺肿块中的价值.方法 收集2019年9月-2021年7月在安徽医科大学第二附属医院超声诊断科行超声检查的121例乳腺肿块患者的超声图像资料,分析BI-RADS分类、S-Detect及Adler分级法诊断结果,根据S-Detect及Adler分级法诊断结果将每个肿块的分类进行联合诊断,以病理结果为金标准,比较BI-RADS分类、BI-RADS联合S-Detect技术、BI-RADS联合S-Detect技术及Adler分级法诊断乳腺肿块的灵敏度、特异度、准确度,采用受试者操作曲线(ROC)分析三种诊...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:医学信息 2022, Vol.35 (20), p.32-36
Hauptverfasser: 李如冰, 彭梅, 毕玉, 詹韵韵, 姜凡, 方明娣
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
container_end_page 36
container_issue 20
container_start_page 32
container_title 医学信息
container_volume 35
creator 李如冰
彭梅
毕玉
詹韵韵
姜凡
方明娣
description R445.1; 目的 探讨人工智能S-Detect技术联合BI-RADS分类及Adler分级法诊断乳腺肿块中的价值.方法 收集2019年9月-2021年7月在安徽医科大学第二附属医院超声诊断科行超声检查的121例乳腺肿块患者的超声图像资料,分析BI-RADS分类、S-Detect及Adler分级法诊断结果,根据S-Detect及Adler分级法诊断结果将每个肿块的分类进行联合诊断,以病理结果为金标准,比较BI-RADS分类、BI-RADS联合S-Detect技术、BI-RADS联合S-Detect技术及Adler分级法诊断乳腺肿块的灵敏度、特异度、准确度,采用受试者操作曲线(ROC)分析三种诊断方法的价值.结果 病理结果显示,121例乳腺肿块患者恶性65例,良性56例.BI-RADS分类、BI-RADS联合S-Detect技术、BI-RADS联合S-Detect技术及Adler分级法的AUC分别为0.644、0.663、0.823;BI-RADS分类诊断乳腺肿块的灵敏度为98.46％、特异度为30.36％、准确度为66.94％;BI-RADS联合S-Detect诊断乳腺肿块的灵敏度为96.92％,特异度为35.71％,准确度为68.60％;BI-RADS联合S-Detect及Adler分级法诊断乳腺肿块的灵敏度为98.46％,特异度为66.07％,准确度为83.47％.结论 人工智能S-Detect技术联合BI-RADS分类及Adler分级法可进一步提升对乳腺肿块的诊断效能,对临床干预与治疗具有重要的指导意义.
doi_str_mv 10.3969/j.issn.1006-1959.2022.20.007
format Article
fullrecord <record><control><sourceid>wanfang_jour</sourceid><recordid>TN_cdi_wanfang_journals_yxxxzz202220007</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><wanfj_id>yxxxzz202220007</wanfj_id><sourcerecordid>yxxxzz202220007</sourcerecordid><originalsourceid>FETCH-wanfang_journals_yxxxzz2022200073</originalsourceid><addsrcrecordid>eNpjYFAxNNAztjSz1M_SyywuztMzNDAw0zW0NLXUMzIwMgISegYG5iwMnHBxDgbe4uLMJAMDY0NTI3NLE06G-Ce7dj3dvvTZzF0vmvcG67qklqQmlzzrang2Z_2LxilPJ3Q4eeoGOboEP-1oe75x99P-LseUnNQiEG_X8mebpz6ds-LJzs0vWne9aNr_dO70F-u7nk1b-2TH2uezWp7s3v60YQ8PA2taYk5xKi-U5mZQd3MNcfbQLU_MS0vMS4_Pyi8tygPKxFdWVFRUVYEcbmQAdLYx8SoBNfRp9w</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>人工智能S-Detect技术联合BI-RADS分类及Adler分级法在乳腺肿块诊断中的价值</title><source>Alma/SFX Local Collection</source><creator>李如冰 ; 彭梅 ; 毕玉 ; 詹韵韵 ; 姜凡 ; 方明娣</creator><creatorcontrib>李如冰 ; 彭梅 ; 毕玉 ; 詹韵韵 ; 姜凡 ; 方明娣</creatorcontrib><description>R445.1; 目的 探讨人工智能S-Detect技术联合BI-RADS分类及Adler分级法诊断乳腺肿块中的价值.方法 收集2019年9月-2021年7月在安徽医科大学第二附属医院超声诊断科行超声检查的121例乳腺肿块患者的超声图像资料,分析BI-RADS分类、S-Detect及Adler分级法诊断结果,根据S-Detect及Adler分级法诊断结果将每个肿块的分类进行联合诊断,以病理结果为金标准,比较BI-RADS分类、BI-RADS联合S-Detect技术、BI-RADS联合S-Detect技术及Adler分级法诊断乳腺肿块的灵敏度、特异度、准确度,采用受试者操作曲线(ROC)分析三种诊断方法的价值.结果 病理结果显示,121例乳腺肿块患者恶性65例,良性56例.BI-RADS分类、BI-RADS联合S-Detect技术、BI-RADS联合S-Detect技术及Adler分级法的AUC分别为0.644、0.663、0.823;BI-RADS分类诊断乳腺肿块的灵敏度为98.46％、特异度为30.36％、准确度为66.94％;BI-RADS联合S-Detect诊断乳腺肿块的灵敏度为96.92％,特异度为35.71％,准确度为68.60％;BI-RADS联合S-Detect及Adler分级法诊断乳腺肿块的灵敏度为98.46％,特异度为66.07％,准确度为83.47％.结论 人工智能S-Detect技术联合BI-RADS分类及Adler分级法可进一步提升对乳腺肿块的诊断效能,对临床干预与治疗具有重要的指导意义.</description><identifier>ISSN: 1006-1959</identifier><identifier>DOI: 10.3969/j.issn.1006-1959.2022.20.007</identifier><language>chi</language><publisher>安徽医科大学第二附属医院超声诊断科,安徽 合肥 230601</publisher><ispartof>医学信息, 2022, Vol.35 (20), p.32-36</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/yxxxzz/yxxxzz.jpg</thumbnail><link.rule.ids>314,777,781,4010,27904,27905,27906</link.rule.ids></links><search><creatorcontrib>李如冰</creatorcontrib><creatorcontrib>彭梅</creatorcontrib><creatorcontrib>毕玉</creatorcontrib><creatorcontrib>詹韵韵</creatorcontrib><creatorcontrib>姜凡</creatorcontrib><creatorcontrib>方明娣</creatorcontrib><title>人工智能S-Detect技术联合BI-RADS分类及Adler分级法在乳腺肿块诊断中的价值</title><title>医学信息</title><description>R445.1; 目的 探讨人工智能S-Detect技术联合BI-RADS分类及Adler分级法诊断乳腺肿块中的价值.方法 收集2019年9月-2021年7月在安徽医科大学第二附属医院超声诊断科行超声检查的121例乳腺肿块患者的超声图像资料,分析BI-RADS分类、S-Detect及Adler分级法诊断结果,根据S-Detect及Adler分级法诊断结果将每个肿块的分类进行联合诊断,以病理结果为金标准,比较BI-RADS分类、BI-RADS联合S-Detect技术、BI-RADS联合S-Detect技术及Adler分级法诊断乳腺肿块的灵敏度、特异度、准确度,采用受试者操作曲线(ROC)分析三种诊断方法的价值.结果 病理结果显示,121例乳腺肿块患者恶性65例,良性56例.BI-RADS分类、BI-RADS联合S-Detect技术、BI-RADS联合S-Detect技术及Adler分级法的AUC分别为0.644、0.663、0.823;BI-RADS分类诊断乳腺肿块的灵敏度为98.46％、特异度为30.36％、准确度为66.94％;BI-RADS联合S-Detect诊断乳腺肿块的灵敏度为96.92％,特异度为35.71％,准确度为68.60％;BI-RADS联合S-Detect及Adler分级法诊断乳腺肿块的灵敏度为98.46％,特异度为66.07％,准确度为83.47％.结论 人工智能S-Detect技术联合BI-RADS分类及Adler分级法可进一步提升对乳腺肿块的诊断效能,对临床干预与治疗具有重要的指导意义.</description><issn>1006-1959</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2022</creationdate><recordtype>article</recordtype><recordid>eNpjYFAxNNAztjSz1M_SyywuztMzNDAw0zW0NLXUMzIwMgISegYG5iwMnHBxDgbe4uLMJAMDY0NTI3NLE06G-Ce7dj3dvvTZzF0vmvcG67qklqQmlzzrang2Z_2LxilPJ3Q4eeoGOboEP-1oe75x99P-LseUnNQiEG_X8mebpz6ds-LJzs0vWne9aNr_dO70F-u7nk1b-2TH2uezWp7s3v60YQ8PA2taYk5xKi-U5mZQd3MNcfbQLU_MS0vMS4_Pyi8tygPKxFdWVFRUVYEcbmQAdLYx8SoBNfRp9w</recordid><startdate>2022</startdate><enddate>2022</enddate><creator>李如冰</creator><creator>彭梅</creator><creator>毕玉</creator><creator>詹韵韵</creator><creator>姜凡</creator><creator>方明娣</creator><general>安徽医科大学第二附属医院超声诊断科,安徽 合肥 230601</general><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>2022</creationdate><title>人工智能S-Detect技术联合BI-RADS分类及Adler分级法在乳腺肿块诊断中的价值</title><author>李如冰 ; 彭梅 ; 毕玉 ; 詹韵韵 ; 姜凡 ; 方明娣</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-wanfang_journals_yxxxzz2022200073</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2022</creationdate><toplevel>online_resources</toplevel><creatorcontrib>李如冰</creatorcontrib><creatorcontrib>彭梅</creatorcontrib><creatorcontrib>毕玉</creatorcontrib><creatorcontrib>詹韵韵</creatorcontrib><creatorcontrib>姜凡</creatorcontrib><creatorcontrib>方明娣</creatorcontrib><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>医学信息</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>李如冰</au><au>彭梅</au><au>毕玉</au><au>詹韵韵</au><au>姜凡</au><au>方明娣</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>人工智能S-Detect技术联合BI-RADS分类及Adler分级法在乳腺肿块诊断中的价值</atitle><jtitle>医学信息</jtitle><date>2022</date><risdate>2022</risdate><volume>35</volume><issue>20</issue><spage>32</spage><epage>36</epage><pages>32-36</pages><issn>1006-1959</issn><abstract>R445.1; 目的 探讨人工智能S-Detect技术联合BI-RADS分类及Adler分级法诊断乳腺肿块中的价值.方法 收集2019年9月-2021年7月在安徽医科大学第二附属医院超声诊断科行超声检查的121例乳腺肿块患者的超声图像资料,分析BI-RADS分类、S-Detect及Adler分级法诊断结果,根据S-Detect及Adler分级法诊断结果将每个肿块的分类进行联合诊断,以病理结果为金标准,比较BI-RADS分类、BI-RADS联合S-Detect技术、BI-RADS联合S-Detect技术及Adler分级法诊断乳腺肿块的灵敏度、特异度、准确度,采用受试者操作曲线(ROC)分析三种诊断方法的价值.结果 病理结果显示,121例乳腺肿块患者恶性65例,良性56例.BI-RADS分类、BI-RADS联合S-Detect技术、BI-RADS联合S-Detect技术及Adler分级法的AUC分别为0.644、0.663、0.823;BI-RADS分类诊断乳腺肿块的灵敏度为98.46％、特异度为30.36％、准确度为66.94％;BI-RADS联合S-Detect诊断乳腺肿块的灵敏度为96.92％,特异度为35.71％,准确度为68.60％;BI-RADS联合S-Detect及Adler分级法诊断乳腺肿块的灵敏度为98.46％,特异度为66.07％,准确度为83.47％.结论 人工智能S-Detect技术联合BI-RADS分类及Adler分级法可进一步提升对乳腺肿块的诊断效能,对临床干预与治疗具有重要的指导意义.</abstract><pub>安徽医科大学第二附属医院超声诊断科,安徽 合肥 230601</pub><doi>10.3969/j.issn.1006-1959.2022.20.007</doi></addata></record>
fulltext fulltext
identifier ISSN: 1006-1959
ispartof 医学信息, 2022, Vol.35 (20), p.32-36
issn 1006-1959
language chi
recordid cdi_wanfang_journals_yxxxzz202220007
source Alma/SFX Local Collection
title 人工智能S-Detect技术联合BI-RADS分类及Adler分级法在乳腺肿块诊断中的价值
url https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-20T19%3A36%3A35IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BDS-Detect%E6%8A%80%E6%9C%AF%E8%81%94%E5%90%88BI-RADS%E5%88%86%E7%B1%BB%E5%8F%8AAdler%E5%88%86%E7%BA%A7%E6%B3%95%E5%9C%A8%E4%B9%B3%E8%85%BA%E8%82%BF%E5%9D%97%E8%AF%8A%E6%96%AD%E4%B8%AD%E7%9A%84%E4%BB%B7%E5%80%BC&rft.jtitle=%E5%8C%BB%E5%AD%A6%E4%BF%A1%E6%81%AF&rft.au=%E6%9D%8E%E5%A6%82%E5%86%B0&rft.date=2022&rft.volume=35&rft.issue=20&rft.spage=32&rft.epage=36&rft.pages=32-36&rft.issn=1006-1959&rft_id=info:doi/10.3969/j.issn.1006-1959.2022.20.007&rft_dat=%3Cwanfang_jour%3Eyxxxzz202220007%3C/wanfang_jour%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_wanfj_id=yxxxzz202220007&rfr_iscdi=true