基于深度学习乳腺超声计算机辅助诊断系统研究进展

超声是诊断及筛查乳腺癌的重要工具,为提高其诊断准确率,超声计算机辅助诊断(CAD)系统应运而生。传统的CAD系统需人工进行图像预处理及特征提取,工作量较大且诊断效能欠佳。深度学习(DL)利用计算机算法自动提取图像特征,较传统方法更接近人工智能,而其中应用较广的算法是卷积神经网络(CNN)。本文对乳腺CAD系统的发展及基于DL的乳腺超声CAD系统的研究进展进行综述。

超声人工智能辅助诊断系统在最大径≤2 cm的BI-RADS 4类乳腺结节诊断中的应用价值

目的探讨超声人工智能(AI)辅助诊断系统对最大径≤2 cm的乳腺影像报告与数据系统(BI-RADS)4类乳腺结节的诊断价值。方法回顾性分析2020年5月至2022年10月于上海中医药大学附属曙光医院进行超声检查并诊断为BI-RADS 4类乳腺结节的204例患者共210个最大径≤2 cm结节的二维超声图像。以术后病理结果为金标准,评价常规超声和AI系统(风险评分值阈值设为0.65、0.70)对最大径≤2 cm的BI-RADS 4类乳腺结节良恶性的诊断效能。结果210个乳腺结节中良性结节94个,恶性结节116个。高年资超声医师常规超声检查诊断乳腺结节良恶性的灵敏度为92.24%,特异度为75.53%,准确度为84.76%;AI系统(阈值0.65)诊断乳腺结节良恶性的灵敏度为92.24%,特异度为71.28%,准确度为82.86%;AI系统(阈值0.70)诊断乳腺结节良恶性的灵敏度为90.52%,特异度为79.79%,准确度为85.71%。AI系统(阈值0.70)诊断BI-RADS 4a类结节的准确度高于常规超声和AI系统(阈值0.65)(79.41%vs 77.94%、75.00%)。高年资超声医师通过常规超声对最大径≤1 cm的结节诊断准确度最高,为86.36%,AI系统(阈值0.65)及AI系统(阈值0.70)准确度分别为81.82%、84.09%。结论超声AI辅助诊断系统可辅助鉴别诊断最大径≤2 cm的BI-RADS 4类乳腺结节的良恶性。

超声乳腺肿瘤图像计算机辅助诊断系统

提出了一个基于异向扩散和支持向量机的超声乳腺肿瘤图像计算机辅助诊断系统。该系统提取了乳腺肿瘤图像归一化自相关系数、均方差系数、紧凑度等共26个纹理和几何特征。这些特征不但反映了乳腺良性肿瘤和恶性肿瘤本质的区别,而且考虑了医学超声图像为相干图像的特点。实验结果表明,该系统诊断精确度为93.48%,敏感性为94.3%,特殊性为52%,错误正比率为93.55%,错误负比率为93.4%,接受特性曲线下面积为0.9718,性能优于较有影响的文献[1]提出的方案。

乳腺钼靶X线图像计算机辅助诊断系统模块分析

乳腺疾病的发病率近年来不断增高,为增加诊断乳腺钼靶X线图像的正确率和减轻医生的诊断负担,计算机辅助诊断系统应运而生。本文首先分析了钼靶X线图像计算机辅助诊断技术;然后阐明了其系统的主要组成模块及模块所采用的主要技术;最后通过研究不同地区女性的乳腺组织的差异,展望了该技术研究在我国的发展前景。

计算机辅助诊断系统与TI-RADS分级及超声评分法对甲状腺良恶性结节诊断价值的比较

目的比较计算机辅助诊断(CAD)系统与TI-RADS及超声评分法在良恶性甲状腺结节诊断效能上的研究。方法回顾性分析经手术及细针穿刺病理证实的672个甲状腺结节。以病理结果为金标准构建ROC曲线,比较CAD系统、TI-RADS和超声评分法对甲状腺结节良恶性的诊断价值。结果 CAD系统、TI-RADS分级和超声评分法诊断甲状腺结节的ROC曲线下面积分别为0.889、0.848及0.844。CAD诊断的敏感度、特异度、阳性预测值、阴性预测值和准确性均高于TI-RADS分级和超声评分法诊断(P <0.05)。结论 CAD系统可以提供一种更客观、精准、快速的评估方式,有利于提高甲状腺结节的诊断效能,值得推广。

计算机辅助诊断系统在甲状腺结节超声诊断中的应用进展

甲状腺结节是常见的临床问题。超声检查是其首选的影像学诊断工具,用于评估甲状腺结节患者的恶性风险,结合结节大小、局部侵犯情况、颈部淋巴结是否转移等推荐细针穿刺活检(fine-needle aspiration,FNA),并且在患者治疗后继续管理方案的决策中发挥不可或缺的作用。超声的正确高效使用,不仅可以减少不必要的FNA和(或)诊断性手术,还能减轻患者的焦虑及医疗保健系统的负担。近年来,以机器学习和深度学习为核心,基于人工智能的甲状腺结节计算机辅助诊断系统已取得巨大进步,在一定程度上克服了超声诊断中的操作者依赖性,但是受到数据源不同、算法不同等因素的影响,各中心的结果在跨中心运用时表现并不稳定。本文对其应用现状及研究进展进行综述。

计算机辅助诊断系统联合弹性成像及高年资超声医师判读鉴别甲状腺结节良恶性的价值

目的探讨计算机辅助诊断(CAD)系统联合弹性成像(UE)技术、高年资超声医师判读鉴别诊断甲状结节腺良恶性的应用价值。方法选取我院经手术或穿刺活检病理证实的甲状腺结节患者148例(共182个结节),术前均行常规超声和UE检查,由高年资超声医师判读,进行弹性成像分级,应用基于2017年美国放射学会和2011年Kwak等提出的甲状腺影像报告和数据系统(ACR TI-RADS和Kwak TI-RADS)的CAD系统分析图像。以病理结果为金标准,绘制受试者工作特征(ROC)曲线分析CAD系统、UE和高年资超声医师判读单独应用及三者联合对甲状腺结节的诊断效能。结果CAD系统(ACR TI-RADS和Kwak TI-RADS)、UE和高年资超声医师判读三者联合诊断甲状腺结节良恶性的敏感性为81.6%和86.2%、特异性为73.7%和68.4%、准确率为77.5%和76.9%,曲线下面积为0.776和0.773,与单一方法及UE联合CAD系统比较,差异均有统计学意义(均P<0.05);与高年资超声医师判读比较,差异无统计学意义。高年资超声医师判读、UE联合CAD系统(Kwak TI-RADS)三者联合诊断的阳性预测值及阴性预测值均大于高年资超声医师判读(80.7%vs.75.8%,93.3%vs.83.8%),差异均有统计学意义(均P<0.05)。结论CAD系统联合UE、高年资超声医师判读在鉴别诊断甲状腺结节良恶性中有重要的临床价值。

B超图像的乳腺肿瘤计算机辅助诊断系统研究

目的:分析B超图像的乳腺肿瘤计算机辅助诊断系统,以降低活检率。方法收集我院2012年11月~2014年11月诊治的乳腺肿瘤患者423例作为研究对象,采用回顾性的方式分析患者的临床资料,总结乳腺肿瘤超声声像图特征。结果本文通过对患者的乳腺肿瘤超声声像图特征分析,最终利用加权中值滤波算法将speckle噪声有效的清除干净,同时采用另一种新型的直方图均衡化算法大大提高了图像的对比度;其次是应用区域生长的基础上演变而来的分割算法对乳腺肿瘤初始区域进行了切割和提取,并选择空洞填充和形态学滤波完成了后续工作,最终获得了423份准确度较高的病灶区域;最后在病理学的基础上提出一种特征提取方式,该方式主要以乳腺肿瘤轮廓分型为基础,同时综合了其形状、长宽比、粗糙度等共计七个形态特征对肿瘤边界的粗糙度进行全面的描述。再结合BP神经网络区分不同类型的特征矢量,大大提高了乳腺肿瘤的良恶诊断率,最终完成了降低活检率的目标。结论充分利用B超图像的乳腺肿瘤计算机辅助诊断系统对于提高乳腺肿瘤的良恶诊断率、降低活检率具有非常重要的作用,值得在临床应用上推广。

基于BI-RADS的超声乳腺图像的计算机辅助诊断研究

目的根据乳腺超声图像的分级标准(BI-RADS)为诊断的指导,初步完成了诊断系统的设计。在图像处理中引入LBM滤波,并用无初始化的C-V模型进行分割,从形态特征与纹理特征入手,提取图像中相应的特征参数。采用支持向量机方法对所提取的特征参数进行分类。通过对88幅乳腺超声图像(其中良性37例、恶性51例)进行训练和测试,得到的判别准确率、敏感性和特异性分别为91.4%、94.4%和86.4%。结果表明,依据BI-RADS的分级特征研究有利于计算机辅助诊断在临床中的应用。

计算机辅助诊断技术可提高肿块最大径≤10mm早期乳腺癌的超声诊断效能

目的探讨计算机辅助诊断在早期乳腺癌诊断中的价值。方法对120枚病理证实的最大径≤20 mm乳腺肿块(乳腺癌结节50枚,良性结节70枚)超声图像进行回顾性分析,根据肿块大小分为最大径≤10 mm组(56枚)、最大径11~20 mm组(64枚)两组,由2名超声医师参照BI-RADS-US分类予以诊断,结合计算机超声辅助诊断结果后再次诊断,以病理结果为金标准,对比分析计算机辅助诊断在超声诊断早期乳腺癌中的作用。结果乳腺肿块最大径≤10 mm组中,应用普通超声对早期乳腺癌的敏感性、特异性和准确性分别为62.5%、59.4%、60.7%,操作性曲线下面积(AUC)为0.61。结合计算机辅助诊断技术结果为79.2%、81.3%、80.4%;AUC为0.80。对于最大径11~20 mm组,常规超声的敏感性、特异性和准确性分别为69.2%、68.4%、68.8%,ROC曲线AUC为0.69。结合计算机辅助诊断结果为80.8%、81.6%、81.3%;AUC为0.81。计算机辅助诊断后两组不同大小乳腺肿块的敏感性、特异性、准确性及AUC均有提高,乳腺肿块最大径≤10 mm组的准确率及AUC提高尤为显著,差异有统计学意义(P<0.05)。结论计算机辅助诊断技术有助于提高早期乳腺癌的超声诊断效能,尤其是辅助最大径≤10 mm的早期乳腺癌的诊断。

计算机辅助系统在诊断乳腺良恶性肿瘤中的应用

目的:探讨计算机辅助诊断系统在良恶性肿瘤检测与特征提取基础上的分类对于乳腺肿瘤的诊断价值。方法:回顾性分析乳腺超声检查发现肿瘤且经过病理学证实的617例患者影像资料,采用手工提取的方式得到乳腺超声图像的感兴趣区域及病灶轮廓,再利用方向梯度直方图(HOG)、局部二值模式(LBP)和灰度共生矩阵(GLCM)3个特征进行乳腺肿瘤的良恶性病变真假阳性检测;最后用受试者操作特征曲线(ROC)分别分析每个特征对于两类病变判别的诊断性能和应用所有特征集合的分类诊断性能。结果:多特征融合方法的各项诊断效能及ROC曲线下面积(AUC)值均优于单特征LBP、HOG、GLCM(P值均<0.05)。与人工诊断相比,多特征融合的敏感性无显著差异,但特异度显著升高达98.57%(Z值=2.25,P<0.05),同时AUC值为0.985,显著优于人工诊断的0.910(Z值=1.99,P<0.05)。结论:计算机辅助系统乳腺超声肿瘤良恶性检测的算法是有效的,能够对乳腺癌鉴别诊断提供有益的参考。

乳腺超声计算机辅助诊断工作站在大规模临床诊断人群中的应用

目的评价计算机辅助诊断（CAD）工作站利用代表临床诊断陛乳腺超声（US）实践的真实数据集对癌肿分类的应用。方法数据库包括连续收集经机构审查委员会同意及HIPAA法案允许的乳腺超声扫描图像。采用了508例病人的图像数据，其中有1046个明确病灶。101例乳腺癌病人。经活检或针吸证实异常病灶的病人（n=183）数据与所有不考虑活检情况的病人（n=508）数据均被列出。通过leave—one-out—by—case分析法评价CAD工作站帮助鉴别病变良、恶性的能力。根据活检率及其结果确定放射医生对于此数据库的临床特异性。

基于乳腺X线成像的计算机辅助诊断技术研究进展

乳腺癌是严重影响妇女身心健康甚至危及生命的常见恶性肿瘤之一,近年来已成为全球性健康问题。早期诊断是治疗乳腺癌最有效的方式,计算机辅助诊断系统(Computer-Aided Diagnosis systems,CAD)在乳腺癌的早期检测中承担着重要作用,有效降低了该病的致死率。基于此,针对近年来CAD系统的发展,对与之相关的关键技术及研究进展做了综述,包括:乳腺X线图像肿块检测,乳腺癌微钙化点检测,乳腺双边不对称性检测,乳腺X线图像结构化变形检测,乳腺X线图像增强和复原技术。

基于超声和钼靶的两阶段乳腺癌诊断系统

全球范围内乳腺癌发病率持续上升,乳腺癌的异质性导致良恶肿瘤在超声声像上呈现不同程度交叉和重叠,只利用一种图像信息不能得到满意的分类效果.因此本文提出基于超声和钼靶的两阶段乳腺癌诊断系统:第一阶段用拒绝分类方法对乳腺超声图像进行识别,对置信度高的肿瘤赋予其类别标签,对不确定的肿瘤不予分类;第二阶段对这些没有分类的肿瘤使用钼靶图像进行辨别.该系统利用多模态图像信息,筛查难以辨识的超声图像,辅以钼靶图像信息,对乳腺肿瘤进行诊断.本研究采用的超声和钼靶图像数据由哈尔滨医科大学肿瘤医院和哈尔滨医科大学第一附属医院提供,分别对拒绝分类方法和两阶段诊断系统进行实验验证和方法对比.与只使用乳腺超声特征的诊断系统相比,本文提出的两阶段诊断系统性能更优:正确率为92.59%,AUC为0.933 3,G-mean为93.09%、敏感性为86.67%,特异性为100%,阳性预测值为100%,阴性预测值为85.71%,马修斯相关系数为0.861 9.实验结果表明,增加钼靶图像信息可提高只使用超声图像的单一模态诊断系统的性能.

基于深度学习的乳腺断层合成成像计算机检测与诊断应用进展

数字乳腺断层合成在乳腺癌检测及诊断中的应用越来越广泛。深度学习以其高效的特征提取能力替代传统的计算机辅助检测与诊断系统,有潜力给医学影像领域带来变革。本文综述深度学习的相关概念、在数字乳腺断层合成中的应用进展、临床效能及面临的挑战和对策。

不同年资医师应用自动乳腺超声诊断系统结合CAD对乳腺恶性病灶的诊断价值

目的探讨不同年资医师应用计算机辅助诊断系统(CAD)辅助自动乳腺超声诊断系统(ABUS)对于诊断乳腺恶性病灶的价值。方法收集行ABUS检查的乳腺病灶患者1452例,其中,恶性270例,共282个病灶;良性674例,共695个病灶;阴性508例。比较6名医师(3名低年资医师与3名高年资医师)使用CAD系统前后的诊断敏感性、特异性、受试者工作特征(ROC)曲线下面积及平均阅读时间。结果应用CAD前,低年资医师与高年资医师诊断恶性病灶的敏感性分别为87%、93%,使用CAD后均提高至94%,低年资医师使用CAD前、后诊断敏感性比较差异有统计学意义(P<0.05),高年资医师差异无统计学意义。6名医师在使用CAD系统前后诊断特异性无变化。低年资医师在使用CAD系统后的诊断准确率有所提高,曲线下面积由0.85提高至0.89,差异有统计学意义(P<0.05);而高年资医师在使用CAD系统后,虽然ROC曲线下面积由0.91提高至0.92,但差异无统计学意义。所有医师使用CAD后的平均阅读时间均有不同程度的延长,差异有统计学意义(P<0.05)。结论虽然使用CAD后的平均阅读时间有所延长,但在可接受范围内,ABUS结合CAD能大大提高超声医师诊断乳腺恶性病灶的准确率和敏感性,且对低年资医师帮助更大。

人工智能在乳腺癌超声诊断中的应用进展

乳腺癌是女性癌症致死的主要原因,早诊断、早治疗对改善患者预后十分重要。超声是乳腺癌首选的影像学检查方法,但准确率差异较大,增加了乳腺癌的漏诊、误诊风险。人工智能采用特定的算法对超声影像进行智能处理,通过训练和优化算法,从而开发高精度、高效率的乳腺癌识别模型。目前计算机辅助检测手段在乳腺癌超声中的应用逐渐得到推广,人工智能的联合应用在乳腺疾病超声诊断领域发挥了缩短检查时间、有效提高检出率及诊断准确率等优势作用。本文主要就人工智能在乳腺癌超声诊断方面的应用现状及其临床应用潜力进行综述。

影像学方法预测乳腺癌新辅助治疗后腋窝淋巴结病理完全缓解的研究进展

新辅助治疗(NAT)加手术是乳腺癌伴腋窝淋巴结转移患者的标准治疗方式,经NAT后40%~75%的患者腋窝淋巴结可以获得病理完全缓解(pCR)。有望获得腋窝淋巴结pCR者,理论上可免除腋窝淋巴结清扫术,从而减少术后并发症。目前清扫术后的病理结果是判断腋窝淋巴结pCR与否的金标准,而这种有创的方法可能使得部分患者接受了过度治疗。因此早期准确判断NAT后腋窝淋巴结状态对后续手术方案的选择至关重要。超声、MRI、PET等影像学方法在乳腺癌的诊断与疗效评估中始终发挥着重要作用。本文将对近年来影像学在预测乳腺癌NAT后腋窝淋巴结pCR方面的研究进展进行综述。

基于超声的人工智能在乳腺癌新辅助化疗疗效预测中的研究进展

乳腺癌是全球女性常见的癌症之一,术前新辅助化疗可缩小肿瘤、降低临床分期和减轻腋窝淋巴结转移负荷。近年来,人工智能技术日趋成熟,本研究就基于超声的人工智能在乳腺癌新辅助化疗疗效预测的研究作一综述,并讨论其发展面临的挑战。