目的探讨超声自动乳腺全容积扫描（ABVS）技术在乳腺肿块BI-RADS分类（3~5类）的价值。方法回顾性分析235例（共250个结节）手持超声（HUS）诊断为BI-RAD S 3~5类、同时接受ABVS检查的患者。分别应用HUS和HUS＋ABVS对乳腺病变进行BI-RAD...目的探讨超声自动乳腺全容积扫描（ABVS）技术在乳腺肿块BI-RADS分类（3~5类）的价值。方法回顾性分析235例（共250个结节）手持超声（HUS）诊断为BI-RAD S 3~5类、同时接受ABVS检查的患者。分别应用HUS和HUS＋ABVS对乳腺病变进行BI-RADS分类,以病理结果为金标准,分别计算HUS和HUS＋ABVS诊断乳腺肿块的敏感度、特异度和准确率,ROC曲线分析并比较两种方法的诊断效能。结果 250个结节中,HUS诊断3~5类乳腺病变的敏感度100%（103/103）,特异度69.39%（102/147）,准确率82.00%（205/250）;HUS＋ABVS的敏感度100%（103/103）,特异度80.95%（119/147）,准确率88.80%（222/250）。ABVS＋HUS诊断BI-RADS 3~5类病变的ROC曲线下面积为0.973,大于HUS的0.940（P=0.032）。通过＂汇聚征＂诊断乳腺恶性肿瘤的敏感度、特异度及准确率分别为65.05%（67/103）、95.92%（141/147）、83.20%（208/250）。两种方法对乳腺病变卫星灶的检出率差异有统计学意义（χ^2=30.78,P〈0.05）,但对于乳腺肿块内钙化及周围导管扩张的检出率差异无统计学意义（X^2=2.56、1.22,P均〉0.05）。结论 HUS＋ABVS技术在准确判断乳腺占位病变BI-RADS分类、鉴别肿瘤良恶性方面优于HUS。ABVS对于乳腺肿块的钙化、导管扩张及卫星灶的发现具有重要补充作用。展开更多
目的 :探讨自动乳腺全容积扫描(automated breast volume scanner,ABVS)图像特征,以及依据ABVS的BI-RADS对乳腺癌的诊断价值。方法:选择134例(共137个病灶)乳腺癌女性患者,根据ABVS图像特征,将病灶分为汇聚征、边缘模糊、毛刺、成角、分...目的 :探讨自动乳腺全容积扫描(automated breast volume scanner,ABVS)图像特征,以及依据ABVS的BI-RADS对乳腺癌的诊断价值。方法:选择134例(共137个病灶)乳腺癌女性患者,根据ABVS图像特征,将病灶分为汇聚征、边缘模糊、毛刺、成角、分叶5种,BI-RADS分级对应3、4a、4b、4c、5级,并与病理结果对比分析。结果:137个病灶中汇聚征61个(44.5%),边缘毛刺51个(37.2%),边缘模糊8个(5.8%),边缘成角8个(5.8%),边缘分叶5个(3.6%),边缘较光滑4个(2.9%)。137个病灶中伴钙化89个。BI-RADS分级:3级2个病灶,4a级13个,4b级13个,4c级50个,5级59个。以4级为恶性的标准,依据ABVS的BI-RADS分级诊断乳腺癌符合率为98.5%。结论:ABVS的冠状面汇聚征、边缘毛刺及伴钙化对乳腺癌有较高的敏感性,依据ABVS的BI-RADS分级在乳腺癌诊断中具有较高的应用价值。展开更多
文摘目的 :探讨自动乳腺全容积扫描(automated breast volume scanner,ABVS)图像特征,以及依据ABVS的BI-RADS对乳腺癌的诊断价值。方法:选择134例(共137个病灶)乳腺癌女性患者,根据ABVS图像特征,将病灶分为汇聚征、边缘模糊、毛刺、成角、分叶5种,BI-RADS分级对应3、4a、4b、4c、5级,并与病理结果对比分析。结果:137个病灶中汇聚征61个(44.5%),边缘毛刺51个(37.2%),边缘模糊8个(5.8%),边缘成角8个(5.8%),边缘分叶5个(3.6%),边缘较光滑4个(2.9%)。137个病灶中伴钙化89个。BI-RADS分级:3级2个病灶,4a级13个,4b级13个,4c级50个,5级59个。以4级为恶性的标准,依据ABVS的BI-RADS分级诊断乳腺癌符合率为98.5%。结论:ABVS的冠状面汇聚征、边缘毛刺及伴钙化对乳腺癌有较高的敏感性,依据ABVS的BI-RADS分级在乳腺癌诊断中具有较高的应用价值。
