随着超声仪器分辨率提高和乳腺超声成像报告和数据系统(breast imaging reporting and data system,BIRADS)在乳腺结节诊断中的规范应用,超声已成为我国目前公认的诊断乳腺疾病的影像学检查手段之一。由于超声医学实践性较强,所以要求...随着超声仪器分辨率提高和乳腺超声成像报告和数据系统(breast imaging reporting and data system,BIRADS)在乳腺结节诊断中的规范应用,超声已成为我国目前公认的诊断乳腺疾病的影像学检查手段之一。由于超声医学实践性较强,所以要求带教老师在教学过程中不仅要注重理论教学,更要重视实践教学。传统的教学模式存在不足,迫切需要新的教学模式应用于乳腺超声教学。近年来,人工智能(artificial intelligence,AI)发展日新月异,逐步应用于教学活动。人工智能是计算机科学的分支,是研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新兴技术科学。将AI应用于乳腺超声教学是最具发展前景的领域,更新教育方式,创新教学理念,顺应时代发展潮流。文章从乳腺超声教学的现状、人工智能的发展现状、人工智能在乳腺超声教学中的优势及局限性四个方面详细阐述了人工智能在乳腺超声教学中的应用价值。展开更多
目的:建立列线图预测模型于术前预测甲状腺乳头状癌(papillary carcinoma of the thyroid,PTC)患者出现颈部中央区淋巴结转移(central lymph node metastasis,CLNM)的风险,减少术后并发症的发生概率,达到精准治疗的目的。方法:选择364例...目的:建立列线图预测模型于术前预测甲状腺乳头状癌(papillary carcinoma of the thyroid,PTC)患者出现颈部中央区淋巴结转移(central lymph node metastasis,CLNM)的风险,减少术后并发症的发生概率,达到精准治疗的目的。方法:选择364例PTC患者为研究对象,根据术后中央淋巴结病理学检查结果进行分组。收集患者的一般临床资料及超声资料,利用最小绝对收缩与选择算子(least absolute shrinkage and selection operator,LASSO)回归进行因素选择,多因素logistic回归筛选CLNM的独立影响因素,建立列线图模型以预测CLNM的风险,并通过内部验证评价列线图的应用价值。结果:多因素logistic回归分析示年龄<45岁、结节前后径超过1 cm、结节形态不规则、病灶多发、超声发现可疑淋巴结是PTC患者出现CLNM的独立影响因素(P<0.05)。根据多因素回归结果构建列线图预测模型,其在内部验证中表现出良好的区分度及校准度。列线图模型准确度(0.730,95%CI 0.681~0.775)较单一颈部淋巴结超声(0.638,95%CI 0.586~0.688)显著提高(P<0.001)。结论:基于临床及超声特征建立的列线图能实现PTC患者CLNM的术前预测,有望为临床制订治疗方案提供指导意见。展开更多
文摘随着超声仪器分辨率提高和乳腺超声成像报告和数据系统(breast imaging reporting and data system,BIRADS)在乳腺结节诊断中的规范应用,超声已成为我国目前公认的诊断乳腺疾病的影像学检查手段之一。由于超声医学实践性较强,所以要求带教老师在教学过程中不仅要注重理论教学,更要重视实践教学。传统的教学模式存在不足,迫切需要新的教学模式应用于乳腺超声教学。近年来,人工智能(artificial intelligence,AI)发展日新月异,逐步应用于教学活动。人工智能是计算机科学的分支,是研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新兴技术科学。将AI应用于乳腺超声教学是最具发展前景的领域,更新教育方式,创新教学理念,顺应时代发展潮流。文章从乳腺超声教学的现状、人工智能的发展现状、人工智能在乳腺超声教学中的优势及局限性四个方面详细阐述了人工智能在乳腺超声教学中的应用价值。
文摘目的:应用多因素Logistic回归分析评价剪切波弹性成像技术(shear-wave elastography,SWE)、应变式弹性成像(strain elastography,SE)以及两种方法结合对乳腺病灶的诊断价值。方法:收集我院病理证实的乳腺病变女性患者114例,共135个病灶,行常规超声并进行BI-RADS(breast imaging reporting and data system)分类;行SWE检查,获得病灶弹性模量最大值(emax),平均值(emean),标准差(esd),病变/脂肪弹性比(eratio)及弹性图像特征类型;行SE检查,获得病灶的应变率比值(strain ratio,SR)及弹性图像评分。比较乳腺良恶性病灶的各弹性参数的差异。采用多因素Logistic回归分析SWE与SE中各指标的诊断价值并建立回归方程,运用ROC曲线比较BI-RADS分类、SWE、SE及二者结合对乳腺病灶的诊断效能。结果:135个乳腺病灶中,良性病灶87个,恶性病灶48个。乳腺病灶的SWE指标(emax、emean、esd、eratio、弹性图像类型)及SE指标(SR、弹性图像评分)在乳腺良恶性病灶间均有显著差异(P<0.000 1)。将SWE中各项指标进行多因素Logistic回归分析,进入Logistic回归方程的是Esd和SWE弹性图分型;将SE中各项指标进行多因素Logistic回归分析,进入Logistic回归方程的是SE弹性评分;将SWE与SE中各项指标进行多因素Logistic回归分析,进入Logistic回归方程的是Esd、SR和SWE弹性图分型。对BI-RADS分类方法、SWE、SE以及SWE与SE结合绘制ROC曲线,其曲线下面积分别为0.745、0.878、0.788和0.895。结论:SWE与SE联合运用诊断效能优于单独运用SE,略优于单独运用SWE;多因素Logistic回归分析显示Esd在SWE单独运用及与SE联合诊断时均具有诊断优势。