基于多模态超声的列线图模型鉴别BI-RADS 4类乳腺病变的临床价值

目的 构建基于临床资料、剪切波弹性成像参数和超声影像组学的列线图模型,探讨其鉴别BI-RADS 4类乳腺病变良恶性的临床价值。方法 回顾性收集3家医院共403例BI-RADS 4类乳腺病变患者(共403个病灶)的临床资料、剪切波弹性成像及病理检查资料,以2017年12月至2019年6月南京鼓楼医院和2019年6~12月安徽医科大学第一附属医院共282个病灶为训练集,2022年4月至2023年6月北京世纪坛医院的121个病灶为验证集,根据病理结果将训练集和验证集分别分为良性组和恶性组。通过提取病灶灰阶超声影像组学特征计算影像组学评分(Rad-score)。采用单因素及多因素Logistic回归分析筛选鉴别BI-RADS 4类乳腺病变良恶性的影响因素,构建预测模型并绘制列线图;采用受试者工作特征曲线、校准曲线及临床决策曲线评估该模型的诊断效能。结果 训练集及验证集中恶性组年龄、病灶大小,以及病灶剪切波速度最大值、最小值、平均值和中位数(SWVmax、SWVmin、SWVmean和SWVmedian)均高于良性组,差异均有统计学意义(均P<0.001)。经过特征提取及筛选,最终纳入13个影像组学特征用于计算Rad-score,验证集良、恶性组Rad-score分别为-1.07(-1.64,-0.37)分、0.07(-0.30,0.56)分,二者比较差异有统计学意义(P<0.001)。多因素Logistic回归分析显示,年龄、SWVmax及Rad-score均为鉴别乳腺病变良恶性的独立影响因素(OR=1.107、3.919、4.180,均P<0.001)。基于以上3个因素联合应用构建的列线图模型在训练集及验证集中鉴别BI-RADS 4类乳腺病变良恶性的曲线下面积均高于SWVmax和Rad-score单独应用(均P<0.05);校准曲线显示该模型的校准度均高(均P>0.05);在验证集中使用列线图模型鉴别BI-RADS 4类乳腺病变良恶性能获得更高的临床收益,将非必要穿刺活检率降低了61.16%。结论 基于患者年龄、SWVmax及Rad-score构建的列线图模型能有效鉴别BI-RADS 4类乳腺病变良恶性,降低非必要穿刺活检率,有一定的临床价值。

Sonazoid超声造影在BI-RADS 4类乳腺结节诊疗中的应用价值研究

目的:探讨Sonazoid超声造影定性与定量分析在诊断乳腺影像报告和数据系统(BI-RADS)4类乳腺病变中的临床应用价值。方法:收集2022年4月至2023年4月于成都市第一人民医院行穿刺活检或手术的乳腺病变患者53例(53个病灶均为BI-RADS4类)。根据乳腺结节病理结果将患者分为良性组(34例)和恶性组(19例)。所有患者在穿刺活检或者手术前均已行Sonazoid超声造影(CEUS)检查,比较良性组和恶性组乳腺结节造影定性与定量指标之间的差异,选取具有统计学差异的指标纳入回归方程,分别绘制受试者工作特征(ROC)曲线,获得ROC曲线下面积(AUC)。使用Sonoliver软件将造影时乳腺结节与周围正常组织的增强强度差异编码成直观的彩色图像,生成动态血管模型(DVP)参数图,分析在乳腺良、恶性结节中图像颜色的差异。结果:乳腺结节的Sonazoid超声造影定性指标观察中,恶性组乳腺结节多表现为增强范围扩大[13例(占68.4%)],不均匀增强[14例(占73.7%)],周围有穿支血流[12例(占63.2%)],与良性组比较差异均有统计学意义(x^(2)=10.268、9.642、5.717,P<0.05);乳腺结节的Sonazoid超声造影定量指标观察中,恶性组乳腺结节造影的上升时间(RT)、平均渡越时间(m TT)时长小于良性组,差异有统计学意义(Z=-1.985、-2.272,P<0.05)。将上述指标纳入多因素分析,分别建立定性、定量指标预测恶性结节的回归方程,定性、定量分析的ROC曲线下面积分别为0.723、0.902,定性分析结果优于定量分析,差异有统计学意义(Z=-1.965,P<0.05)。在DVP参数图像中,良性组34例结节中有23例(占67.6%)结节表现为病灶,感兴趣区域(ROI)内大部分呈较单调的红、黄色填充;恶性组19例中有15例(占78.9%)结节的ROI内呈紊乱不规则分散或团块状的斑片状红黄色填充。结论:Sonazoid超声造影能够鉴别乳腺BI-RADS 4类结节的良恶性,定性指标的诊断效能优于定量指标。

弹性成像面积比值在乳腺BI-RADS 4类病变鉴别诊断中的应用价值

目的:探究采用弹性成像面积比值鉴别诊断乳腺BI-RADS 4类病变的价值。方法:回顾性分析113例接受超声乳腺检查且诊断为BI-RADS 4类的患者的临床资料,从最大横径切面、最大前后径及上下径切面(分别记为A面、B面、C面)测量肿块大小,以病理结果为对照,绘制受试者工作特征(ROC)曲线对弹性成像面积的诊断效能进行分析。结果:113例患者中共137个乳腺肿块,病理结果显示良性肿块98个分为良性组;显示恶性肿块39个分为恶性组;两组患者弹性成像不同切面面积比值有统计学差异(P<0.05);弹性成像不同切面面积比值诊断乳腺BI-RADS 4类病变,以C面的曲线下面积(AUC)值最高,为0.906,诊断敏感度与特异度分别为84.62%、95.92%,以A面的AUC值最低,为0.824,弹性成像不同切面面积比值ROC曲线两两对比均无统计学差异(P>0.05)。结论:弹性成像面积比值在乳腺BI-RADS 4类病变鉴别中诊断效能佳,具有良好的临床应用价值。

超声造影5分法与超声造影预测模型鉴别诊断不同大小BI-RADS 4类乳腺病灶良恶性的对比研究

目的比较超声造影(CEUS)5分法与CEUS预测模型对不同大小BI-RADS 4类乳腺病灶良恶性的鉴别诊断价值。方法收集我院经穿刺活检或手术病理结果证实的乳腺病变患者165例(166个病灶,均为BI-RADS 4类),均行常规超声和CEUS检查,根据病灶大小分为直径≤2.0 cm组101个和直径>2.0 cm组65个,分析并比较两组良恶性病灶的10项CEUS特征(包括增强强度、增强时相、增强方式、增强形态、增强边界、增强均匀性、灌注缺损、增强范围、蟹足征及滋养血管)。应用CEUS 5分法和CEUS预测模型判断病灶良恶性,绘制受试者工作特征(ROC)曲线比较两种方法鉴别诊断不同大小乳腺病灶良恶性的效能。结果直径≤2.0 cm组中良恶性病灶的10项CEUS特征比较差异均有统计学意义(均P<0.05);直径>2.0 cm组中良恶性病灶的CEUS特征除增强强度、增强方式及灌注缺损外,其余7项特征比较差异均有统计学意义(均P<0.05)。ROC曲线分析显示,CEUS 5分法、CEUS预测模型鉴别诊断直径≤2.0 cm病灶良恶性的曲线下面积(AUC)分别为0.884、0.861,二者比较差异无统计学意义;CEUS 5分法、CEUS预测模型鉴别诊断直径>2.0 cm病灶良恶性的AUC分别为0.932、0.864,二者比较差异有统计学意义(P<0.01)。CEUS 5分法中评分为2、3、5分病灶的诊断准确率较高,评分为1、4分病灶的诊断准确率偏低;CEUS预测模型中A、D、E、F模型的预测效能较好,B模型次之,C模型较差。结论对于直径≤2.0 cm的BI-RADS 4类乳腺病灶的良恶性鉴别,CEUS 5分法与CEUS预测模型的诊断价值相当;对于直径>2.0 cm的BI-RADS 4类乳腺病灶的良恶性鉴别,CEUS 5分法具有更高的诊断价值。

超声弹性成像在BI-RADS 4类乳腺病变中的诊断价值研究

目的:探讨常规超声联合弹性成像在乳腺实性病变良恶性鉴别诊断中的应用,特别对BI-RADS 4类病变的临床诊断价值。方法:搜集2010年8月至2011年6月间于天津医科大学附属肿瘤医院行乳腺常规超声和超声弹性成像检查的204例患者资料,共210个病变。常规超声诊断依据美国放射学会的乳腺影像报告和数据系统超声(BI-RADS-US)标准,弹性评分依据日本Tsukuba大学弹性成像评分标准。结果:204例患者210个乳腺实性病变中,组织病理学结果为恶性病变124个(59.1%),良性病变86个(40.9%)。常规超声诊断的敏感性、特异性和准确性分别为88.7%、84.9%和87.1%;弹性成像诊断的敏感性、特异性和准确性分别为83.1%、81.4%和82.4%;二者联合诊断的敏感性、特异性和准确性分别为85.5%、97.7%和90.5%。在BI-RADS 4类需活检的61个病变中,经病理证实恶性病变46个,良性病变15个,其中弹性成像诊断的敏感性、特异性和准确性分别为93.5%、93.3%和93.4%。两者联合诊断的特异性和准确性明显高于单独常规超声或弹性成像(P值分别为0.003、0.049)。结论:常规超声和超声弹性成像联合应用可明显提高对乳腺实性病变诊断的特异性及准确性,对于常规超声诊断为BI-RADS4类需活检的病变,结合弹性成像诊断可有效减少不必要的活检。

多模态超声在乳腺BI-RADS 4类结节良恶性鉴别诊断中的应用价值

目的探讨多模态超声在乳腺BI-RADS 4类结节良恶性鉴别诊断中的应用价值。方法纳入2016年3月-2017年5月本院超声诊断科诊断为BI-RADS 4类的乳腺结节患者118例(118个结节),均为女性,年龄18～70岁。以穿刺或手术病理为金标准,构建ROC曲线,比较常规超声(ultrasound,US)、超声造影(contrast-enhanced ultrasound,CEUS)、弹性成像(shear wave elastic imaging,SWE)及联合诊断的效能。结果 118例乳腺BI-RADS 4类病变中,病理诊断良性74例(62.7%),恶性44例(37.3%)。常规超声诊断的敏感度为88.6%,特异度为75.7%,阳性预测值0.68,阴性预测值0.92;US结合CEUS的上述指标分别为86.4%、94.6%、0.90、0.92;US结合SWE的上述指标分别为88.6%、90.5%、0.85、0.93。三者相结合,则诊断的敏感度为97.7%,特异度为86.5%,PPV为0.81,NPV为0.98。以多模态超声4a为活检阈值,穿刺活检率由100%可降至40.6%。结论多模态超声可提高BI-RADS 4类结节诊断的敏感度和准确度,减少不必要的穿刺活检。

BI-RADS-US第五版超声弹性成像分级法在BI-RADS-4类乳腺肿块的诊断价值

目的探讨BI-RADS-US第五版超声弹性成像分级法对BI-RADS-4类乳腺肿块的诊断价值。方法对高频超声诊断为BI-RADS 4类的65例患者的73个肿块进行弹性成像检查,以穿刺活检及手术病理结果为金标准,分析BI-RADS-US第五版超声弹性成像分级法对BI-RADS-4类乳腺肿块的诊断价值。结果 BI-RADS-US第五版超声弹性成像分级法诊断4类乳腺病变特异度为95.5%,准确度为91.8%,较高频超声特异度(59.1%)及准确度(75.3%)有明显的提高(P<0.05);本组4A类肿物恶性率为7.1%,经弹性分级法诊断为良性后恶性率降为3.8%。结论 BI-RADS-US第五版超声弹性成像分级法明显提高了诊断4类病变的特异度及准确度及明显降低了4A类病灶不必要的穿刺活检。

复合多模态超声技术成像鉴别结节性ACR BI-RADS 4类乳腺病变的应用价值

目的探讨多模态超声超微血流成像(superb microvascular imaging,SMI)、实时组织超声弹性成像(real-time tissue ultrasound elastography,RTE)及常规彩超(ultrasound,US)在鉴别结节性美国放射学会(American College of Radiology,ACR)乳腺影像报告和数据系统(Breast Imaging Reporting and Data System,BI-RADS)4类乳腺病变上的应用价值。方法纳入300名患者共325个ACR BI-RADS 4类乳腺结节,术前均进行多模态超声成像检查。以病理结果为诊断金标准,比较各种方法的敏感性、特异性、准确性、阳性预测值(positive predictive value,PPV)、阴性预测值(negative predictive value,NPV)及多模态超声联合应用时的诊断效能。结果在鉴别诊断结节性BI-RADS 4类乳腺病变良恶性上,在诊断的敏感性、特异性、准确性、PPV、NPV方面,US分别为75.41%、72.41%、73.54%、62.16%、83.05%;SMI分别为86.01%、88.67%、87.69%、82.03%、91.37%;RTE分别为87.70%、89.16%、88.62%、82.31%、92.35%;多模态超声成像联合诊断分别为95.08%、93.10%、93.85%、91.34%、95.45%。US、SMI、RTE和多模态超声联合成像在鉴别诊断结节性BI-RADS 4类病变时,受试者工作特征(receiver operating characteristic,ROC)曲线下面积(area under curve,AUC)分别为73.9%、88.6%、90.5%和97.0%。结论多模态超声成像能够弥补常规超声成像在鉴别结节性ACR BI-RADS 4类乳腺病变良恶性上的劣势,提供更全面、丰富的诊断信息,显著提高难鉴别良恶性ACR BI-RADS 4类乳腺结节的诊断效能。

剪切波弹性成像在BI-RADS分类4类乳腺结节中的诊断价值

目的探讨剪切波弹性成像(SWE)技术在BI-RADS 4类乳腺结节中的诊断价值。方法对已行常规超声检查且诊断为BI-RADS 4类的164个乳腺结节行SWE检查,测定其弹性模量Emax值及Eratio值,并计算其诊断临界值。结果乳腺良恶性结节的弹性模量Emax值及Eratio值差异均有统计学意义。通过ROC曲线分析,Emax值及Eratio值取诊断临界值66.9kpa、3.88时,其敏感性分别为为87.8%、92.9%,特异性分别为87.7%、96.0%。结论剪切波弹性成像技术对BI-RADS 4类乳腺结节的良恶性鉴别诊断具有重要诊断价值。

超声引导下导丝定位在触诊阴性的BI-RADS 4类及以上乳腺病变中的应用

目的:评价在触诊阴性的BI-RADS 4类及以上乳腺病变中,超声引导下导丝定位应用效果。方法:抽取40例本院收治的女性患者开展研究,研究时段:2018年1月—2020年5月。40例患者,均经触诊为阴性,超声检查为BI-RADS 4类及以上病变。术前,在超声引导下进行导丝定位,选择好穿刺点,术后沿导丝将病灶切除。结果:40例患者,共检出乳腺病灶42枚,经超声引导下导丝定位,成功率100%,所有病灶全部手术切除,病理检查证实,恶性病例7例,良性病例35例。良性患者,开展手术切除;恶性患者根据病情与患者所需,开展针对性治疗,即行保乳术者6例,行改良根治术者1例。且在恶性患者手术治疗中,没有因穿刺点的选择而影响手术切口。结论:在触诊阴性的BI-RADS 4类及以上乳腺病变中,超声引导下导丝定位可以对病灶进行准确定位,选择相应的进针点,快速切除病灶,且不会影响恶性患者切口的选择,值得临床借鉴。

BI-RADS3-4类乳腺病变X线征象与病理对照分析

目的研究BI-RADS3-4类乳腺病变的X线征象与病理结果的相关性。方法对2014-01~2015-08被评估为BI-RADS3-4类的181例患者共220个病灶的X线征象,采用χ2检验分析其与良恶性之间的关系。结果被分类为BI-RADS3类的病变71例,经病理证实为良性者60例,恶性者11例;被分类为BI-RADS4类的病例共149例,经病理证实为恶性者97例,良性者52例。X线征象中,肿块形态、边缘、周围结构,钙化类型、钙化分布及淋巴结密度、形态在良恶性病变之间有统计学差异（P〈0.05）;腺体类型、肿块大小、密度及淋巴结大小、数目与病变良恶性之间无统计学差异（P〉0.05）。结论 BI-RADS3-4类乳腺病变的X线征象对良恶性病变的鉴别具有重要意义,其中肿块边缘征象及周围结构在良恶性病变的定性分析中更具诊断价值。

声脉冲辐射力弹性成像对BI-RADS 4类乳腺肿块的诊断价值

目的 探讨常规超声结合声脉冲辐射力弹性成像技术（ARFI）对BI-RADS 4类乳腺肿块良恶性的鉴别诊断价值。方法 收集符合入选条件的292例患者,共311个病灶,利用声触诊组织定量技术VTQ测量肿块的SWV值,声触诊组织成像技术VTI对肿块进行分类,结合两者对BI-RADS 4类肿块进行校正。以病理结果为诊断标准,绘制BI-RADS分类校正前后的ROC曲线,比较曲线下面积（AUC）有无统计学差异。结果 BI-RADS 4类乳腺肿块校正前诊断良恶性的敏感度为85.0%,特异度为79.6%,ROC曲线下面积0.854,95%置信区间0.807~0.900。乳腺肿块以VTI评分4分、VTQ值4.97m/s作为诊断乳腺恶性结节的截点,校正后诊断乳腺肿块良恶性的敏感度89.2%,特异度为85.9%,ROC曲线下面积0.939,95%置信区间0.913~0.965。比较两者曲线下面积（AUC）,差异有统计学意义（z=5.57,P〈0.01）结论 常规超声结合ARFI可提高对BI-RADS 4类乳腺良恶性肿块的诊断效能。

不同年龄段超声检查BI-RADS 4类乳腺肿块的细化分类研究

目的探讨不同年龄段的超声检查BI-RADS 4类乳腺肿块细化分为4A、4B、4C类的阳性预测值(positive predictive value,PPV),以便准确的评估BI-RADS 4类乳腺肿块的良恶性病变,提高超声诊断的准确性。方法应用美国放射学2013年版BI-RADS超声评分方法,选取4类乳腺肿块1000个,按年龄<40岁、年龄40~50岁、年龄>50岁分三组,分别以病灶的形态、纵横比、边缘、微钙化、后方回声及内部回声这些超声征象进行细化对比分析,将各组病变进一步分为4A、4B、4C类,比较分亚类后PPV的差异性。结果1000个肿块中:年龄<40岁组246个,其中恶性64个,良性182个;年龄40~50岁组446个,其中恶性132个,良性314个;年龄>50岁组308个,其中恶性145个,良性163个。良、恶性病变的形态、纵横比、边缘、微钙化,差异均有统计学意义(P<0.05),肿块内部回声及后方回声改变间比较,差异均无统计学意义(P>0.05)。根据差异有统计学意义的超声征象进一步细化分类后三个不同年龄段4A类的PPV分别为5.1%、9.0%、15.4%,4B类的PPV分别为33.3%、40.9%、61.6%,4C类的PPV分别为74.0%、85.2%、94.5%。各年龄段细化分类后组间的阳性预测值比较差异有统计学意义(χ^(2)=6.10,χ^(2)=13.98,χ^(2)=10.33,P<0.05)。结论不同年龄组4类乳腺肿块的各亚类阳性预测值年龄越大阳性预测值越高,年龄分组且细化分类后能更准确地对乳腺肿块良、恶性风险进行评估,对临床诊断和治疗方案有重要意义。

超声征象在诊断BI-RADS 4级乳腺病变中的临床价值

目的:分析并探讨超声征象在诊断BI-RADS 4级乳腺病变中的临床价值。方法 :选取经超声检查的BI-RADS4级乳腺外科患者368例(病灶412个),对比超声检查结果与病理检查结果差异。结果:超声检查后,412个病灶中BI-RADS 4A级246个,其中病理结果良性率为88.21%;BI-RADS 4B级105个,其中病理结果良性率为72.38%;BI-RADS 4C级61个,其中病理结果良性率为21.31%。不同超声征象敏感度与特异度有所差异,其中毛刺征、后方回声衰减是特异度较高的超声征象,特异度分别为98.37%、90.20%。结论:超声的不同征象对单独诊断BI-RADS 4级乳腺病变有一定的诊断价值,但并不具有特异性,需要结合其他征象和临床表现才可以综合提高诊断准确率,值得临床借鉴。

超声造影调整乳腺BI-RADS 3、4类肿块的临床价值

目的探讨超声造影检查调整乳腺BI-RADS 3、4类肿块的临床价值。方法选取我院经穿刺活检或手术病理证实的乳腺肿块患者71例(共76个肿块),良性肿块43个,恶性肿块33个,常规超声检查BI-RADS分类均为3类或4类。对其进行超声造影评分,根据评分结果重新调整乳腺BI-RADS 3、4类肿块分类,比较调整前、后BI-RADS分类对乳腺BI-RADS 3、4类肿块良恶性的诊断效能。结果(1)76个乳腺肿块中,调整后BI-RADS分类2类7个、3类12个(3类保持不变4个)、4A类20个(3类上调2个)、4B类15个、4C类11个、5类11个,BI-RADS 4类肿块活检率降至69.8%,误诊率仅为1.6%;(2)调整前、后BI-RADS分类诊断的敏感性、特异性、准确率分别为75.8%、76.7%、76.3%和97.0%、88.4%、92.1%;ROC曲线下面积分别为0.763、0.927,差异有统计学意义(Z=3.965,P<0.05)。结论超声造影检查可通过调整BI-RADS分类提高对乳腺BI-RADS 3、4类肿块良恶性的诊断效能。

自动乳腺全容积成像与手持超声对钼靶BI-RADS 4类乳腺肿块的对比研究

目的:对比研究自动乳腺全容积成像(automated breast volume scanning,ABVS)与手持超声(hand-held ultrasound,HHUS)对钼靶判定为乳腺影像报告和数据系统(Breast Imaging Reporting and Data System,BI-RADS)4类乳腺肿块的诊断效能。方法:对钼靶判定为BI-RADS 4类的64例患者的乳腺进行ABVS和HHUS检查,比较两种方法对乳腺肿块检出数目的一致性。将判定为BI-RADS-US 2~4A类归为良性病灶,BI-RADS-US 4B^5类归为恶性病灶,以病理学检查结果为金标准,对比两种超声方法诊断钼靶BI-RADS 4类乳腺肿块的效能。结果:64例患者中,ABVS检出病灶89个,HHUS检出病灶81个。两种方法共同检出病灶74个,病灶检出数目有极强的一致性(α=0.842)。ABVS诊断钼靶BI-RADS 4类乳腺肿块的灵敏度、特异度、准确率、阳性预测值和阴性预测值分别为93.33%、90.25%、91.55%、87.53%和95.87%,而HHUS的上述结果分别为84.33%、85.35%、87.95%、81.17%和89.16%,两组间差异无统计学意义(P均>0.05)。两者的受试者工作特征(receiver operating characteristic,ROC)曲线的曲线下面积分别为0.82和0.80,差异无统计学意义(P>0.05)。结论:ABVS与HHUS对钼靶BI-RADS 4类乳腺肿块的检测和诊断一致性极高,诊断效能相近。

乳腺癌影像报告和数据系统(BI-RADS)3~4级乳腺病变超声征象与病理结果对照分析

目的:探究超声征象用于乳腺癌影像报告和数据系统(BI-RADS)3~4级乳腺病变患者中的诊断价值。方法:选取2020年3月—2021年3月陇南市第一人民医院收治的64例(69个病灶)BI-RADS 3~4级乳腺疾病患者为样本,以病理结果为金标准,均开展乳腺超声检查,分析超声诊断BI-RADS 3~4级乳腺病变患者价值。结果:69个病灶经BI-RADS分级,50个为BI-RADS 3级,病理诊断结果为49个(98.00%)良性病灶、1个(2.00%)恶性病灶;19个为BI-RADS 4级,病理诊断结果为5个(26.32%)良性病灶、14个(73.68%)恶性病灶;超声诊断BI-RADS 3~4级乳腺病变患者诊断灵敏度为93.33%(14/15)、特异度为90.74%(49/54)、阳性预测值为73.68%(14/19)、阴性预测值为98.00%(49/50);超声评价BI-RADS 3~4级乳腺病变患者,良恶性肿瘤患者在病灶形态、病灶边缘、内部回声、后方回声、周围组织变化、病灶内部血流等征象中存在显著差异(P<0.05);但良恶性肿瘤内部钙化灶无显著差异(P>0.05)。结论:超声诊断用于BI-RADS 3~4级乳腺病变患者中,可准确评估患者病情,指导临床治疗。

Reducing the Range of Cancer Risk on BI-RADS 4 Subcategories via Mathematical Modelling

Breast Imaging Reporting and Data System,also known as BI-RADS is a universal system used by radiologists and doctors.It constructs a comprehensive language for the diagnosis of breast cancer.BI-RADS 4 category has a wide range of cancer risk since it is divided into 3 categories.Mathematicalmodels play an important role in the diagnosis and treatment of cancer.In this study,data of 42 BI-RADS 4 patients taken fromthe Center for Breast Health,Near East University Hospital is utilized.Regarding the analysis,a mathematical model is constructed by dividing the population into 4 compartments.Sensitivity analysis is applied to the parameters with the desired outcome of a reduced range of cancer risk.Numerical simulations of the parameters are demonstrated.The results of the model have revealed that an increase in the lactation rate and earlymenopause have a negative correlation with the chance of being diagnosed with BI-RADS 4 whereas a positive correlation increase in age,the palpable mass,and family history is distinctive.Furthermore,the negative effects of smoking and late menopause on BI-RADS 4C diagnosis are vehemently outlined.Consequently,the model showed that the percentages of parameters play an important role in the diagnosis of BI-RADS 4 subcategories.All things considered,with the assistance of the most effective parameters,the range of cancer risks in BI-RADS 4 subcategories will decrease.

超声弹性成像在BI-RADS 3、4级乳腺病变中的诊断价值分析

目的:分析研究超声弹性成像在BI-RADS 3、4级乳腺病变中的诊断价值。方法:2017年3月-2019年7月选取行乳腺病变检查患者100例,共116个BI-RADS 3、4级病灶。对联合弹性成像评分方法进行调整,与患者术后病理结果相比较,对比两种诊断方法判断乳腺良恶性肿块、调整前后良恶性肿块的BI-RADS分类情况。结果:将联合弹性成像进行调整后,BI-RADS分类特异性、准确率、阳性预测值均高于常规BI-RADS分类,差异有统计学意义(P<0.05);敏感度与阴性预测值差距较小,差异无统计学意义(P>0.05)。116个病灶中,恶性病灶54个,良性病灶62个。结论:在BI-RADS 3、4级乳腺病变中的诊断中使用超声弹性成像,能够将BI-RADS 3级的恶性病变检出率提高,将BI-RADS 4级中不必要活检减少,具有较高使用价值,值得临床应用与推广。

Clinical Application of Preliminary Breast Cancer Screening for Dense Breasts Using Real-Time AI-Powered Ultrasound with Deep-Learning Computer Vision

Objective:We propose a solution that is backed by cloud computing,combines a series of AI neural networks of computer vision;is capable of detecting,highlighting,and locating breast lesions from a live ultrasound video feed,provides BI-RADS categorizations;and has reliable sensitivity and specificity.Multiple deep-learning models were trained on more than 300,000 breast ultrasound images to achieve object detection and regions of interest classification.The main objective of this study was to determine whether the performance of our Al-powered solution was comparable to that of ultrasound radiologists.Methods:The noninferiority evaluation was conducted by comparing the examination results of the same screening women between our AI-powered solution and ultrasound radiologists with over 10 years of experience.The study lasted for one and a half years and was carried out in the Duanzhou District Women and Children's Hospital,Zhaoqing,China.1,133 females between 20 and 70 years old were selected through convenience sampling.Results:The accuracy,sensitivity,specificity,positive predictive value,and negative predictive value were 93.03%,94.90%,90.71%,92.68%,and 93.48%,respectively.The area under the curve(AUC)for all positives was 0.91569 and the AUC for all negatives was 0.90461.The comparison indicated that the overall performance of the AI system was comparable to that of ultrasound radiologists.Conclusion:This innovative AI-powered ultrasound solution is cost-effective and user-friendly,and could be applied to massive breast cancer screening.