一、活检枪在乳腺疾病定性诊断中的应用（论文文献综述）
邓翠爱[1]（2022）在《超声剪切波弹性成像技术在乳腺肿瘤定性诊断中的应用研究》文中指出目的探讨超声剪切波弹性成像技术（SWE）在乳腺肿瘤定性诊断中的应用价值。方法回顾性分析2018年1月至2020年12月我院收治的80例乳腺肿瘤患者临床资料,入选者均进行常规超声、SWE检查,统计实性病灶弹性值。比较不同性质乳腺肿瘤患者实性病灶弹性值;以病理检查结果作为金标准,分析常规超声、SWE诊断价值。结果恶性组病灶弹性值均高于良性组,差异有统计学意义（P<0.05）;SWE诊断乳腺肿瘤的准确率98%（78/80）、敏感度100%（28/28）、特异度96%（50/52）均高于常规超声的76%（61/80）、71%（20/28）、79%（41/52）,差异有统计学意义（P<0.05）。结论与常规超声相比,SWE在乳腺肿瘤定性诊断中应用价值更高,能够提高诊断准确度、敏感度及特异度,为临床诊治提供更多参考信息。
胡莹,周凤梅,李培恒,刘儒鹏,陈阳阳[2]（2021）在《3.0T MRI动态增强扫描联合扩散加权成像对乳腺疾病的诊断价值》文中研究说明目的探讨3.0T磁共振成像（MRI）动态增强扫描（DCE）联合扩散加权成像（DWI）对乳腺疾病的诊断价值。方法选取2018年8月至2020年7月于我院就诊的120例乳腺疾病患者作为研究对象,对其实施MRI平扫、MRI-DCE及DWI检查。以穿刺活检病理诊断结果为金标准,比较MRI平扫、MRI-DCE、DWI、MRI-DCE联合DWI检查对乳腺癌的诊断结果及对不同病理分型乳腺癌的诊断符合率。比较乳腺癌组与乳腺良性病变组的表观弥散系数（ADC）。结果以穿刺活检病理诊断结果为金标准,MRI-DCE、DWI、MRI-DCE联合DWI检查诊断乳腺癌的灵敏度、特异度、准确度、阳性预测值及阴性预测值均高于MRI平扫（P<0.05）;MRI-DCE、DWI、MRI-DCE联合DWI检查诊断乳腺癌的灵敏度、特异度、阳性预测值及阴性预测值比较,差异无统计学意义（P>0.05）,但MRI-DCE联合DWI检查诊断乳腺癌的准确度高于MRI-DCE检查（P<0.05）。MRI-DCE、DWI、MRI-DCE联合DWI检查对浸润性导管癌、浸润性小叶癌的诊断符合率均高于MRI平扫（P<0.05）。在DWI图像中,乳腺癌组在不同b值下的ADC值均低于乳腺良性病变组（P<0.05）。结论MRI-DCE、DWI检查均可准确判断乳腺疾病性质,二者联合诊断的价值更好。
罗慧英,杨华,曾文[3]（2021）在《宽景成像技术联合CDFI在乳腺结节定性诊断中的效能分析》文中提出目的探究宽景成像技术联合彩色多普勒血流显像（CDFI）在乳腺结节定性诊断中的效能。方法选择2018年11月—2020年9月于上饶市广信区人民医院就诊的乳腺结节患者93例（118个结节）作为研究对象,所有患者均行超声检查。将病理结果作为"金标准",分析宽景成像技术、CDFI单独及联合检查在乳腺结节定性诊断中的应用价值,及其与病理结果的一致性。结果宽景成像技术联合CDFI在乳腺结节定性诊断中灵敏度、特异度、准确度均高于单项检查,有统计学差异（P<0.05）;宽景成像技术、CDFI与病理结果的一致性尚可（Kappa值=0.738,0.521,P<0.001）,联合检查与病理结果的一致性良好（Kappa值=0.878,P<0.001）。结论宽景成像技术联合CDFI在乳腺结节定性诊断中应用价值较高,能够有效提高乳腺结节定性诊断的准确性,为临床诊断提供影像学信息。
方秀珍,李德春,王安震,张玉娜,陈淑婉,丁长青[4]（2021）在《数字化乳腺X线征象微钙化对乳腺良恶性疾病的诊断价值》文中研究指明目的:分析在乳腺良恶性疾病诊断中应用数字化乳腺X线征象微钙化检查的临床价值。方法:于2018年3月—2021年4月在丰县人民医院接受数字化乳腺X线检查的患者中,选取80例伴有乳腺钙化的乳腺疾病患者,其病变性质经X线钼靶定位下穿刺活检、手术病理或随访证实,所选患者均实施数字化乳腺X线检查,分析数字化乳腺X线上的微钙化的X线表现特点与乳腺良、恶性疾病的一致性。结果:80例乳腺良恶性疾病患者中有50例恶性,30例良性。从钙化形态来看,恶性疾病的泥沙样改变、线形分支样改变以及蠕虫样改变占比显着高于良性疾病（P <0.05）;良性疾病的圆点样改变、蛋壳样改变、小片样改变占比显着高于恶性疾病（P <0.05）;从钙化数量来看,恶性疾病患者钙化数量在10个及以上的占比显着高于良性疾病（P <0.05）;从钙化分布情况来看,恶性疾病主要分布在节段,呈线性分布,良性疾病主要分布在区域,呈弥漫性分布,良恶性疾病的钙化分布对比存在统计学差异（P <0.05）;从钙化密度来看,恶性疾病主要为等密度、低密度,良性疾病主要为高密度,良恶性疾病钙化密度对比存在统计学差异（P <0.05）。结论:在乳腺良恶性疾病诊断中,数字化乳腺X线征像微钙化检查可以提高诊断准确性,实现定性诊断,为临床提供可靠的参考依据。
刘跃华,刘伟宗,王先明[5]（2021）在《乳腺结节定性诊断中使用超声引导下穿刺活检的作用》文中认为目的:探究乳腺结节定性诊断中使用超声引导下穿刺活检的作用。方法:选取我院2019年10月—2020年10月收治的80例乳腺结节患者作为研究对象,对纳入患者分别施予彩色多普勒超声及超声引导下穿刺活检诊断,对比两种诊断方法的准确率。结果:80例乳腺结节患者经彩色多普勒超声诊断确诊65例,诊断准确率为81.3%;80例乳腺结节患者经超声引导下穿刺活检诊断确诊77例,诊断准确率为96.3%。经比较,超声引导下穿刺活检的诊断准确率相较于彩色多普勒超声显着更高,以上两组指标的统计学分析结果提示组间具备显着差距（P<0.05）。结论:在乳腺结节定性诊断中使用超声引导下穿刺活检有着更高的诊断准确率,值得在临床中推广使用。
秦耿耿[6]（2021）在《乳腺X射线图像智能辅助诊断方法及临床应用研究》文中研究指明国际癌症研究机构（international agency for research on cancer,IARC）2020 年发布的最新数据表明,乳腺癌首次正式取代肺癌成为全球第一大癌症。乳腺癌发病率持续上升,但值得庆幸的是,从1989年到2014年,乳腺癌的总体死亡率下降了 38%,这可能部分归因于乳腺癌筛查的持续开展。早期发现、早期诊断、早期治疗可以显着提高乳腺癌患者的生存率。乳腺影像学检查是乳腺癌筛查最重要的检查手段,并且高度依赖放射科医生的经验。以深度学习为基础的计算机辅助诊断（computer aided diagnosis,CAD）可以降低乳腺癌诊断过程中对放射科医生经验水平的依赖程度,提高其对恶性病灶的诊断率,减少漏诊,缩减诊断时间。目前基于人工智能的乳腺影像辅助诊断应用研究集中在乳腺病灶检出及病灶分类,总体来说,检出率及准确率在不断提高,但应用面仍不够广泛。本研究旨在紧贴临床实际需求,寻找乳腺影像筛查与人工智能的结合点,进一步拓展人工智能在乳腺影像辅助诊断中的应用范围。在乳腺癌影像筛查方面,目前有多种检查方法,如全视野数字化乳腺X射线摄影（full-field digital mammography,FFDM）、数字化乳腺断层摄影（digital breast tomosynthesis,DBT）、乳腺超声（ultrasound,US）、电子计算机断层扫描（computed tomography,CT）、磁共振（magnetic resonance,MR）及核医学检查。影像组学（radiomics）和深度学习（deep learning,DL）的兴起为CAD提供了新的思路和机会,让不同模态图像的CAD均获得性能的提升,但在临床应用层面,仍有一系列问题尚未解决。首先,乳腺X射线密度分类存在一定主观性且耗时耗力,由于诊断经验与水平的差异,不同放射科医生之间对乳腺X射线密度的判读存在一定的差异性,尤其是第5版BI-RADS分类中,b类散在纤维腺体类（乳腺内散在纤维腺体密度区域）与c类不均匀致密类（乳腺组织密度不均,可能使小的肿块被遮挡）的分类改为医生主观分类,不再是腺体百分比分类,导致分类的准确率及一致性较差,目前的算法大多针对百分比分类,难以满足临床需求。其次,在乳腺X射线摄影过程中,通常要获得一个乳腺的两个投照体位影像:头尾位（craniocaudal,CC）和内外侧斜位（mediolateral oblique,MLO）图像,因为它们能提供比单一投照图像更全面的诊断信息。在临床上,放射科医生通过观察对应的空间位置和特征相似性来匹配CC位和MLO位图像上的同一感兴趣区（region of interest,ROI）,在腺体遮蔽和乳腺压缩变形的情况下,这一任务的难度通常不低,需要有经验的放射科医生才能准确判断。因此,若能帮助放射科医生识别CC位和MLO位图像上对应的ROI位置信息,对于辅助医生发现和诊断乳腺病灶而言是非常有价值的。此外,微钙化和囊性或实性肿块是诊断乳腺肿瘤的重要特征。在FFDM和DBT上更容易发现钙化,肿块的囊性或实性则通过超声检查来判断更佳。然而FFDM和DBT检查都会给患者带来一定的辐射风险。如果能从超声图像上生成FFDM和DBT图像,可以在一定程度上给放射科医生提供更多的附加诊断信息,从而辅助医生提高诊断的准确率。最后,放射科医生通过观察乳腺X射线图像上肿块的密度、边缘、大小、形态及其伴随征象（如皮肤改变、周围小梁结构改变、淋巴结形态与密度等）对所发现的乳腺肿块做出定性诊断。乳腺肿块的形状一直被认为是预测恶性病灶的最重要的指标之一。另外,肿瘤区域内的密度和质地及邻近肿瘤的正常组织（normal tissue adjacent to the tumor,NAT）也在恶性病变预测中起到重要作用。乳腺肿块的诊断准确率受放射科医生的经验、年限影响,有可能会因为医生的个人经验与诊断水平不足而导致误诊。而利用深度学习对肿瘤及NAT进行联合建模,可以融合有效信息,提高分类性能。本文针对以上问题,运用机器学习及深度学习的方法,开展散在纤维腺体类与不规则致密类乳腺X射线密度分类、乳腺X射线图像双体位ROI匹配、超声图像-DBT图像虚拟生成、联合病灶和边缘区域病灶分类四个方面的研究。一、基于深度学习的散在纤维腺体类与不规则致密类乳腺X射线密度自动分类研究。从第5版BI-RADS对乳腺X射线密度的定义中,我们将4个分类中最难分辨的散在纤维腺体类（b类）、不均匀致密类（c类）单独提出来,基于CNN的方法实现对乳腺密度分类难度较大的b类及c类进行自动分类,并采用迁移学习、集成学习及结果可视化等方法改进模型性能。基于CNN的集成模型敏感度为0.82,特异度为0.96,准确率为0.89,AUC为0.95;使用迁移学习的集成模型敏感度为0.88,特异度为0.98,准确率为0.93,AUC为0.99。CNN集成模型分类的性能和一致性均较高。二、基于BP神经网络（back propagation neural network,BPNN）和 Faster R-CNN的乳腺X射线CC位和MLO位图像ROI对应匹配方法。我们提出一种基于BPNN和Faster R-CNN对乳腺X射线双体位图像ROI进行匹配的方法。与传统的采用直线型或弧线型模型对不同体位图像进行区域刚性匹配的ROI匹配方法不同,本部分研究采用BPNN对弧线型和直线型匹配区域进行组合构建匹配模型,以减小配准面积,配准面积越小,匹配敏感度越高,假阳性（falsepositive,FP）率越低。此外,使用Faster R-CNN定位匹配区域图像上ROI的对应位置,结果显示Faster R-CNN+VGG16在50%和75%重叠时的平均距离误差为4.58 mm,准确率分别为0.87和0.85。与其他方法相比,基于Faster R-CNN+VGG-16的ROI对应定位方法准确率更高、耗时更短。三、基于Dual Attention CycleGAN的超声图像与DBT图像虚拟生成。该章节中,我们提出了一种基于Dual Attention CycleGAN的超声图像至DBT图像生成的办法。该方法构造了一个由全卷积网络作为判别器的体系结构,它预测patch标签而不是传统的数字标签来区分真伪图像。对于生成网络,我们验证了不同的类U-net结构,并在实验性能上采用了 Dual Attention U-net（DA-Unet）,DA-Unet适合于CycleGAN的生成器结构,它可以获得较低的FID（Frechlet Inception Distance）得分:208.7。在放射科医生评价中,DA-Unet与真实DBT的效果相近,准确率为0.83,敏感度为0.71,特异度为0.90。通过客观指标和放射科医生的评价,证明我们提出的方法所合成的DBT图像与真实DBT图像具有一定的可比性。四、基于联合病灶和边缘区域的乳腺病灶分类研究。该章节中,以乳腺DBT病灶为例,采用深度学习和机器学习模型融合的方法,结合病灶和边缘区域信息模拟医生的决策过程。在信息融合后,分类性能获得提高。病灶及边缘区域融合后的AUC高达0.91。通过与医生对比,发现融合模型的性能与中年资放射科医生相当,优于低年资放射科医生,稍逊于高年资放射科医生。而在模型的辅助下,大多数放射科医生的对乳腺肿块的鉴别诊断能力得以提高。本研究对UNet、VGG-16、VGG-19、ResNet-50、DenseNet、SVM 等相关人工智能方法进行应用探索,并应用于解决散在纤维腺体类与不规则致密类乳腺密度分类、双体位乳腺X射线图像ROI匹配、乳腺超声图像-DBT图像虚拟生成及联合病灶和边缘区域乳腺X射线病灶分类等问题。研究结果表明人工智能的强大能力及无限潜力,将在乳腺影像辅助诊断领域继续发挥重要作用。
解欣欣[7]（2020）在《剪切波弹性成像联合常规超声在乳腺可疑肿块良恶性诊断中的价值》文中指出目的确定SWE弹性模量在乳腺可疑肿块良恶性诊断中的最佳参数与诊断界值,并比较SWE、US-BI-RADS分级标准及两者联合在乳腺可疑肿块中的诊断效能。方法前瞻性纳入219例患者共248个肿块,纵、横两切面观察二维灰阶图像及彩色多普勒特征,依此对乳腺肿块进行分类,记为US-BI-RADS。测量SWE弹性模量参数:Emean、Emax、Emin、SD与Eratio,以病理结果为金标准,分析良恶性肿块的组间差异,并绘制受试者工作特征曲线（Receiver operating characteristic curve,ROC）,确定最佳弹性模量参数及其诊断界值。综合考虑二维灰阶、彩色多普勒特征及SWE弹性模量参数进行再分类,记为UE-BI-RADS。比较SWE、US-BI-RADS与UE-BI-RADS的诊断效能。结果156例患者,共178个肿块获得病理结果,其中良性104个,恶性52个。恶性肿块Emean、Emax、SD、Eratio高于良性,Emin低于良性（P<0.05）。Emean、Emax、Emin、SD、Eratio的截断值分别为:46.2k Pa、114.3k Pa、0.2k Pa、25.55k Pa与3.5,其中Eratio、SD与Emax的诊断效能高于Emean与Emin,Eratio、SD与Emax三者诊断效能之间的差异无统计学意义（P<0.05）。Eratio、SD、Emax、US-BI-RADS与UE-BI-RADS鉴别乳腺可疑肿块良恶性的AUC分别为0.838、0.837、0.832、0.882、0.870,两两比较差异无统计学意义（P<0.05）。单独应用SWE,敏感性、特异性及准确性均较低,单独应用US-BI-RADS,敏感性尚可,特异性较低。两者联合应用较US-BI-RADS单独应用,特异性、准确性与NPV均有所提高,由79.66%、82.58%、84.68%升高到88.14%、87.08%、92.04%,敏感性由88.33%降低到85.00%。结合SWE后,BI-RADS 4A类肿块由76个减少到19个,恶性率由9%提高到36.8%。结论SWE有助于US-BI-RADS分类对乳腺可疑肿块良恶性的鉴别,两者联合应用在未明显损失敏感性的情况下,特异性、准确性和NPV均有所提高,有效减少不必要的穿刺活检。目的探讨多因素二分类Logistic回归模型评价SWE技术联合常规超声鉴别乳腺可疑肿块的临床应用价值。方法156例患者共178个肿块接受常规超声与SWE扫查,以病理结果作为金标准,构建多因素Logistic回归模型,筛选出诊断乳腺肿块良恶性的超声特征与参数。绘制ROC曲线,得到Logistic回归模型的诊断界值,并在外部验证样本中进行测试。结果多因素Logistic回归模型筛选出肿块边缘、微钙化、血流、成角情况、Eratio及患者年龄为肿块良恶性的独立危险因素,OR值分别为5.787、5.766、4.608、3.579、1.177与1.058。构建回归模型Logit（P）=-7.138+1.756×边缘+1.752×微钙化+1.528×血流+1.275×成角+0.157×Eratio+0.057×年龄。该模型以P=0.427作为截断值,此时ROC曲线的AUC为0.948,敏感性为90%,特异性为86.44%。验证样本中该模型的敏感性为100%,特异性为85.42%。结论多因素Logistic回归模型在乳腺可疑肿块的超声诊断中具有重要价值。目的总结乳腺肿块型腺病的超声影像学特征,加深对该病的认识,为临床诊断及鉴别诊断提供依据。方法回顾性分析84例经病理证实的乳腺肿块型腺病的超声影像学特征,于纵、横两切面观察二维灰阶及彩色多普勒特征,于SWE成像模式获得弹性模量参数Eratio。依据BI-RADS分级标准,计算诊断符合率。结果84例乳腺肿块型腺病患者年龄2368岁,平均42±9岁,肿块平均直径<20mm（95.2%）。肿块型腺病常表现为边缘清晰（82.1%）、平行位生长（81%）的不均质肿块（73.8%）,后方回声多数无衰减（77.4%）,彩色多普勒以乏血供为主（83.3%）,RI较低（83.3%）,弹性模量参数Eratio多<3.5（78.6%）。以BI-RADS 4A与4B作为良恶性的诊断界值,常规超声联合SWE诊断肿块型腺病的正确率为86.9%,误诊率为13.1%。结论常规超声联合SWE技术在腺病的诊断中具有一定价值,临床实际工作中应结合临床资料、图像特征与弹性模量参数综合分析做出判断,必要时超声引导下穿刺活检,争取提高诊断符合率,降低误诊率。
黄艳琦[8]（2020）在《剪切波弹性成像联合超声光散射成像对乳腺良恶性结节的诊断价值》文中指出目的:探讨剪切波弹性成像（SWE）各参数诊断效能,分析SWE、乳腺光散射成像（DOT）单独及联合应用对乳腺良恶性结节的诊断价值。方法:选取2018年11月至2019年12月因乳腺结节就诊于我院的91例女性患者,共计96个病灶,肿物最大直径0.47～3.90（1.79±0.84）cm,年龄18～81（44.88±14.00）岁,所有入选病灶均经穿刺活检或手术获得病理结果,每个肿块同时具有SWE及DOT的完整影像资料。应用SPSS19.0软件进行数据分析,将病理结果作为金标准,比较SWE弹性模量最大值（Emax）、弹性模量平均值（Emean）、病灶与周围组织弹性模量比值（Eratio）、标准差（SD）的灵敏度、特异度、阳性预测值、阴性预测值及准确率,选择其中诊断效能最佳参数与DOT联合诊断,分析SWE、DOT单独及联合诊断的诊断效能。结果:1.91例患者共96个肿块,病理由穿刺活检或手术获得,其中良性肿块55个,恶性肿块41个。2.经受试者工作特征曲线（ROC）分析,Emax、Emean、Eratio、SD曲线下面积为:0.95（0.91-0.98）、0.88（0.83-0.93）、0.83（0.80-0.87）、0.92（0.89-0.95）,p<0.001,以此确定各项参数的截断值:Emax 57.3k Pa、Emean 29.5k Pa、Eratio 6.2k Pa、SD 12.8k Pa。通过对各参数诊断价值的对比,证实Emax具有最佳的诊断效能（p<0.05）。3.通过ROC曲线获得血红蛋白总量（HBT）曲线下面积为0.82（0.74-0.91）,p<0.001,以此确定HBT的最佳截断值为147μmol/L,将其作为DOT区分乳腺肿块性质的界值。4.将SWE与DOT联合应用,准确诊断37个恶性肿块及53个良性肿块,灵敏度90.24%、特异度96.36%、假阳性率3.64%、假阴性率9.76%、阳性预测值94.87%、阴性预测值92.98%、准确率93.75%,约登指数0.87。5.将三组检查相互比较,联合组特异度、阳性预测值、准确率均较高,分别为96.36%、94.87%、93.75%,差异有统计学意义（p<0.05）,联合组假阳性率3.64%,与SWE、DOT单独应用比较,差异有统计学意义（p<0.05）;二者联合灵敏度90.24%、阴性预测值92.98%,差异无统计学意义。综合以上,联合组在提高特异度、阳性预测值、准确率,降低假阳性率的同时,仍保持了较高水平的灵敏度及阴性预测值,证实将SWE及DOT联合应用对检出乳腺良恶性肿块的效能高于两者单独应用。结论:1.SWE各项参数中,Emax对于良恶性乳腺结节诊断价值较高,当Emax=57.3k Pa作为截断值时,具有最佳的诊断效能。2.DOT为乳腺良恶性结节的鉴别诊断提供功能信息,有利于早期乳腺癌的检出。3.将DOT与SWE联合应用于乳腺良恶性结节的鉴别诊断,在提高特异度、阳性预测值及准确率的同时,维持灵敏度于较高水平,以确保肿块性质得到有效区分。
李晓娜[9]（2019）在《超微血管成像联合钼靶X线在乳腺结节定性诊断中的应用价值》文中认为目的根据乳腺影像报告和数据系统（Breast Imaging Reporting and Data System,BI-RADS）分类标准,探讨联合应用超微血管成像（Superb Microvascular Imaging,SMI）技术与钼靶X线诊断技术在乳腺结节定性诊断中的应用价值。方法收集2018年9月至2019年12月在锦州医科大学附属第一医院因乳腺疾病先后进行超声及钼靶X线检查的189个患者,共204个结节,均经穿刺活检或手术后得到病理结果。回顾性分析204个乳腺结节的声像图资料,以穿刺病理或手术病理为金标准,在BI-RADS分类的基础上,比较彩色多普勒超声（Color Doppler Flow Imaging,CDFI）模式与SMI模式的诊断效能,再比较单独应用SMI与SMI联合钼靶X线检查的诊断效能,根据约登指数选取最佳诊断方法。结果1.CDFI模式和SMI模式对乳腺结节整体血流检出率分别为71.01%和76.47%,两者比较,差异有统计学意义（P<0.05）。对比分析两种模式对乳腺良性结节的Adler血流分级检测结果,差异无统计学意义（P>0.05）;再对比分析两种模式对乳腺恶性结节的Adler血流分级检测结果,差异有统计学意义（P<0.05）。2.分别比较CDFI、SMI、钼靶、SMI与钼靶X线联合检查方法与病理结果的差异性（均为P>0.05）,差异无统计学意义。与病理结果做一致性比较:CDFI、SMI的Kappa值分别为0.614、0.723,吻合度高度一致;钼靶的Kappa值为0.490,吻合度中度一致;联合检查的Kappa值为0.823,吻合度为最强一致。3.四种方法以BI-RADS分类为指导,对比穿刺或手术后的病理结果:CDFI诊断乳腺结节的灵敏度为75.53%、特异度为84.55%、准确度为80.39%;SMI诊断乳腺结节的灵敏度82.98%、特异度89.09%、准确度为86.27%;钼靶X线诊断乳腺结节的灵敏度为76.60%、特异度为72.73%、准确度为74.51%;SMI与钼靶X线联合检查乳腺结节的灵敏度91.49%、特异度90.91%、准确度为91.18%。4.两两方法间分别进行灵敏度与特异度的比较:SMI检查较CDFI检查诊断乳腺结节性质的灵敏度升高,差异有统计学意义（P<0.05）,特异度和准确率差异均无统计学意义（P>0.05）;联合检查较单独应用SMI诊断乳腺结节性质的灵敏度升高,差异有统计学意义（P<0.05）,特异度和准确度差异均无统计学意义（P>0.05）。对SMI与CDFI、SMI与联合检查诊断乳腺结节性质的灵敏度和特异度进行综合比较（均为P<0.05）,差异有统计学意义。5.SMI的约登指数为0.72,CDFI的约登指数为0.50,SMI的诊断效能较高。对比SMI与联合检查方法的约登指数,联合检查的约登指数为0.82,联合检查方法的诊断效能较高。结论CDFI、SMI、钼靶X线、SMI与钼靶X线联合检查的方法均与病理结果有较好的一致性,SMI的诊断效能优于CDFI,联合检查方法的诊断效能高于单一应用SMI检查方法。SMI与钼靶X线两者联合检查可发挥各自优势,为临床提供安全、科学、精准的无创检查手段和诊断依据。
冯拓[10]（2019）在《乳腺专用PET及其肿瘤纹理分级对乳腺癌诊断价值的临床研究》文中研究说明目的:乳腺癌是女性最常见的恶性肿瘤,严重威胁女性健康。目前诊断乳腺癌的影像学方法较多,但均存在一定局限性。乳腺专用正电子发射断层成像装置（MAMmography with Molecular Imaging Positron Emission Tomography,MAMMI PET）是一种针对乳腺、高分辨率的成像装置,在早期诊断乳腺癌方面具有重要应用价值。目前国内对MAMMI PET的研究较少。本研究的目的是全面、系统地评估MAMMI PET在乳腺癌诊断中的应用价值,并探讨MAMMI PET中SUVmax与乳腺癌临床、病理特征之间的相关性。同时与传统影像学方式钼靶、超声在诊断效能方面进行比较;初步探索MAMMI PET中肿瘤纹理分级在乳腺癌诊断中的应用价值,并与乳腺癌临床、病理特征之间进行相关性分析,为MAMMI PET在乳腺癌诊断中的临床应用提供依据。方法:对因临床乳腺检查、钼靶或超声检查初次发现乳腺肿瘤的患者签署知情同意书后行MAMMI PET检查,收集患者的临床、影像及病理资料。以病理诊断为金标准,取得乳腺癌肿瘤大小、病理类型、组织学分级、临床分期、ER、PR、HER-2、Ki-67、P53及血液中肿瘤标志物CA125、CA153、CEA等数据,将SUVmax与上述指标进行相关分析。比较MAMMI PET与传统影像学方式钼靶、超声的诊断效能。最后将MAMMI PET中肿瘤纹理分级与乳腺癌的临床、病理特征进行相关分析,探讨纹理分级的应用价值。结果:共254例患者289个病灶纳入本研究。MAMMI PET诊断乳腺癌的敏感度、特异度、准确率、阳性预测值、阴性预测值分别为96.2%、88.8%、93.3%、93.2%、93.5%;乳腺钼靶检查的敏感度、特异度、准确率、阳性预测值、阴性预测值分别为95.5%、69.4%、86.2%、83.4%、90.7%;乳腺超声检查的敏感度、特异度、准确率、阳性预测值、阴性预测值分别为96.2%、74.5%、87.8%、85.7%、92.4%。MAMMI PET的诊断效能高于钼靶与超声检查,之间差异具有统计学意义。对≥1cm的乳腺癌,MAMMI PET的敏感度、特异度、准确率、阳性预测值、阴性预测值分别为98.0%、93.4%、96.7%、97.4%、95.0%;乳腺钼靶检查的敏感度、特异度、准确率、阳性预测值、阴性预测值分别为96.7%、68.9%、88.7%、88.6%、89.4%;乳腺超声检查的敏感度、特异度、准确率、阳性预测值、阴性预测值分别为96.7%、72.1%、89.7%、89.6%、89.8%。MAMMI PET的诊断效能高于钼靶与超声检查,之间差异具有统计学意义。对<1cm的乳腺癌,MAMMI PET的敏感度、特异度、准确率、阳性预测值、阴性预测值分别为91.4%、79.1%、84.6%、78.0%、91.9%;乳腺钼靶检查的敏感度、特异度、准确率、阳性预测值、阴性预测值分别为88.6%、74.4%、80.8%、73.8%、88.9%;乳腺超声检查的敏感度、特异度、准确率、阳性预测值、阴性预测值分别为85.7%、76.7%、80.8%、75.0%、86.8%。MAMMI PET的诊断效能稍高于钼靶与超声检查,但之间差异不具有统计学意义。对≤5mm的乳腺癌,MAMMI PET的敏感度、特异度、准确率、阳性预测值、阴性预测值分别为71.4%、77.3%、75.9%、50.0%、89.5%;乳腺钼靶检查的敏感度、特异度、准确率、阳性预测值、阴性预测值分别为57.1%、68.2%、65.5%、36.4%、83.3%;乳腺超声检查的敏感度、特异度、准确率、阳性预测值、阴性预测值分别为57.1%、72.7%、69.0%、40.0%、84.2%。MAMMI PET的诊断效能稍高于钼靶与超声检查,但之间差异不具有统计学意义。ROC曲线分析MAMMI PET诊断乳腺癌的曲线下面积为0.903,当SUVmax为8.88时,诊断效能最好。在钼靶诊断错误的患者中,MAMMI PET的诊断准确率为89.2%;在超声诊断错误的患者中,MAMMI PET的诊断准确率为80.6%。MAMMI PET与钼靶、超声结合可以提高诊断乳腺癌的准确率至99.3%。乳腺恶性病灶的SUVmax值、直径要高于乳腺良性病灶。≥1cm的乳腺癌病灶的SUVmax值要高于<1cm的乳腺癌病灶。<1cm的乳腺癌病灶的SUVmax值要高于乳腺良性病灶。有淋巴结转移的乳腺癌病灶的SUVmax值要高于无淋巴结转移的乳腺癌病灶。肿瘤分期晚的乳腺癌病灶的SUVmax值要高于肿瘤分期早的乳腺癌病灶。组织学分级高的乳腺癌病灶的SUVmax值要高于组织学分级低的乳腺癌病灶。Luminal B型、HER-2过表达型、三阴性乳腺癌病灶的SUVmax值要高于Luminal A型病灶。ER阴性乳腺癌的SUVmax值要高于ER阳性的乳腺癌,SUVmax值与ER水平呈负相关。PR阴性乳腺癌的SUVmax值要高于PR阳性的乳腺癌。SUVmax值与PR水平无显着相关性。HER-2阳性乳腺癌的SUVmax值要高于HER-2阴性的乳腺癌。Ki-67指数高表达乳腺癌的SUVmax值要高于Ki-67指数低表达的乳腺癌。SUVmax值与Ki-67指数水平呈正相关。P53基因表达阳性乳腺癌的SUVmax值要高于P53基因表达阴性的乳腺癌。SUVmax值与P53水平呈正相关。CA153高组的SUVmax要高于CA153低组。SUVmax与CA153水平呈正相关,上述SUVmax在各组间差距均具有统计学意义。CEA高组的SUVmax与CEA低组的SUVmax差异不具有统计学差异。SUVmax与CEA水平无显着相关性。CA125高组的SUVmax与CA125低组的SUVmax差异不具有统计学差异。SUVmax与CA125水平无显着相关性。肿瘤纹理分级方面,共211个病灶测量TeHe值。恶性病灶主要表现为TeHe=4、TeHe=5,良性病灶主要表现为TeHe=1。TeHe=3、TeHe=4、TeHe=5的乳腺癌病灶的SUVmax值要高于TeHe=1的乳腺癌病灶。组织学I级乳腺癌TeHe=3为主,组织学II级、III级乳腺癌以TeHe=4为主。随着分期级别增高,TeHe=1占比逐渐下降,TeHe=5占比逐渐升高。TeHe=4、TeHe=5比TeHe=1组CEA水平高.TeHe分组与乳腺癌分子分型、Ki-67、P53、CA125、CA153水平间无明显相关性。结论:（1）MAMMI PET显像在乳腺癌的诊断方面具有高敏感度、高特异度,能够发现传统影像学检查不能发现的恶性病灶,尤其是在小病灶、多病灶乳腺癌的检查中具有非常高的应用价值。部分乳腺病灶位于扫描视野之外可导致假阴性结果,这与MAMMI PET本身结构设计有关,有待于进一步改善。（2）MAMMI PET在乳腺癌中的诊断效能稍高于乳腺钼靶、超声检查,将MAMMI PET与钼靶、超声联合应用于乳腺癌的诊断,可明显提高诊断准确率,且在钼靶、超声检查诊断错误的病例中具有较高的诊断准确率,是对常规影像学检查的有效补充。（3）SUVmax与乳腺癌ER、PR受体表达呈负相关关系,与组织学分级、肿瘤分期、淋巴结转移状态、肿瘤大小、HER-2、Ki-67、P53、CA153呈正相关关系,与血液中CEA、CA125水平无显着相关性,SUVmax对判断乳腺癌的侵袭性及预后具有重要意义。（4）通过ROC曲线分析,SUVmax为8.88为乳腺癌最佳诊断点,此时敏感度、灵敏度、准确率均较高,与病理诊断有较好的一致性。（5）MAMMI PET的TeHe分级可以从结构、纹理方面进一步揭示肿瘤的侵袭性,是未来影像学研究发展的方向。
二、活检枪在乳腺疾病定性诊断中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、活检枪在乳腺疾病定性诊断中的应用（论文提纲范文）
（1）超声剪切波弹性成像技术在乳腺肿瘤定性诊断中的应用研究（论文提纲范文）
| 1 资料与方法 |
| 1.1 临床资料： |
| 1.2 方法： |
| 1.3 观察指标： |
| 1.4 统计学处理： |
| 2 结果 |
| 2.1 病灶弹性值： |
| 2.2 诊断结果： |
| 3 讨论 |
（2）3.0T MRI动态增强扫描联合扩散加权成像对乳腺疾病的诊断价值（论文提纲范文）
| 1 资料与方法 |
| 1.1 一般资料 |
| 1.2 纳入及排除标准 |
| 1.3 方法 |
| 1.4 观察指标 |
| 1.5 统计学方法 |
| 2 结果 |
| 2.1 MRI平扫、MRI-DCE、DWI、MRI-DCE联合DWI检查对乳腺癌的诊断结果及效能分析 |
| 2.2 MRI平扫、MRI-DCE、DWI、MRI-DCE联合DWI检查对不同病理分型乳腺癌的诊断符合率比较 |
| 2.3 乳腺癌组与乳腺良性病变组患者在不同b值下的ADC值比较 |
| 3 讨论 |
（3）宽景成像技术联合CDFI在乳腺结节定性诊断中的效能分析（论文提纲范文）
| 1 资料与方法 |
| 1.1 一般资料 |
| 1.2 方法 |
| 1.3 观察指标 |
| 1.4 统计学方法 |
| 2 结果 |
| 2.1 诊断价值 |
| 2.2 一致性 |
| 3 讨论 |
（4）数字化乳腺X线征象微钙化对乳腺良恶性疾病的诊断价值（论文提纲范文）
| 1资料与方法 |
| 1.1 一般资料 |
| 1.2 方法 |
| 1.3 临床观察指标 |
| 1.4 统计学方法 |
| 2结果 |
| 2.1 乳腺良恶性疾病的钙化形态分析 |
| 2.2 乳腺良恶性疾病钙化数量分析 |
| 2.3 乳腺良恶性疾病钙化分布情况分析 |
| 2.4 乳腺良恶性疾病钙化密度分析 |
| 3讨论 |
（5）乳腺结节定性诊断中使用超声引导下穿刺活检的作用（论文提纲范文）
| 1资料与方法 |
| 1.1 一般资料 |
| 1.2 方法 |
| 1.3 评价标准 |
| 1.4 统计学方法 |
| 2结果 |
| 3讨论 |
（6）乳腺X射线图像智能辅助诊断方法及临床应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 中国乳腺癌筛查面临的挑战 |
| 1.2.1 中国乳腺癌流行病学现状 |
| 1.2.2 乳腺癌影像诊断与筛查现状 |
| 1.3 影像组学与深度学习应用现状 |
| 1.3.1 影像组学技术基础 |
| 1.3.2 深度学习技术原理 |
| 1.4 人工智能技术在乳腺影像辅助诊断中的应用 |
| 1.4.1 乳腺X射线密度评估中的应用 |
| 1.4.2 乳腺X射线双体位图像ROI匹配中的应用 |
| 1.4.3 图像虚拟生成中的应用 |
| 1.4.4 病灶分类中的应用 |
| 1.5 课题的主要研究内容和组织结构 |
| 第二章 散在纤维腺体类与不规则致密类乳腺X射线图像自动分类研究 |
| 2.1 引言 |
| 2.2 方法和材料 |
| 2.2.1 深度学习模型构建 |
| 2.2.2 轮廓提取和分割 |
| 2.2.3 训练策略 |
| 2.2.4 CAM特征可视化 |
| 2.2.5 实验指标 |
| 2.2.6 放射科医生评估 |
| 2.2.7 数据收集 |
| 2.3 实验结果 |
| 2.3.1 CNN模型结果 |
| 2.3.2 使用迁移学习的CNN模型结果 |
| 2.3.3 CAM结果 |
| 2.3.4 CNN分类模型与临床评估对比分析 |
| 2.4 讨论 |
| 2.5 小结 |
| 第三章 基于BPNN和Faster R-CNN的双体位乳腺X射线图像ROI匹配方法 |
| 3.1 引言 |
| 3.2 方法和材料 |
| 3.2.1 基于BPNN的弧型或直型条带匹配 |
| 3.2.2 用Faster R-CNN进行ROI匹配 |
| 3.2.3 临床资料采集 |
| 3.3 实验结果 |
| 3.3.1 基于BPNN的条带匹配结果 |
| 3.3.2 Faster R-CNN的ROI匹配结果 |
| 3.4 计论 |
| 3.5 小结 |
| 第四章 基于Dual Attention CycleGAN的乳腺超声图像到DBT图像虚拟生成研究 |
| 4.1 引言 |
| 4.2 方法和材料 |
| 4.2.1 基于CycleGAN框架的技术方案 |
| 4.2.2 判别器网络体系结构 |
| 4.2.3 超声图像和DBT图像的范围选择 |
| 4.2.4 实施细节 |
| 4.3 结果 |
| 4.3.1 定量评价指标 |
| 4.3.2 放射科医生评估 |
| 4.3.3 定性评价结果 |
| 4.4 讨论 |
| 4.5 小结 |
| 第五章 联合病灶和边缘区域的DBT图像病灶分类研究 |
| 5.1 引言 |
| 5.2 方法和材料 |
| 5.2.1 联合深度学习框架 |
| 5.2.2 病灶及边缘区域定义 |
| 5.2.3 VGG-16网络简介 |
| 5.2.4 预测模型构建 |
| 5.2.5 训练过程及评价指标 |
| 5.2.6 数据收集 |
| 5.2.7 病灶勾画 |
| 5.3 实验结果 |
| 5.3.1 模型评估结果 |
| 5.3.2 模型与医生对比结果 |
| 5.4 讨论 |
| 5.5 小结 |
| 第六章 总结与展望 |
| 6.1 研究成果与总结 |
| 6.2 未来工作展望 |
| 附录 各模型分类评价指标 |
| 参考文献 |
| 攻读博士期间的研究成果 |
| 发表期刊或会议论文 |
| 申请及获得专利 |
| 主持课题 |
| 致谢 |
（7）剪切波弹性成像联合常规超声在乳腺可疑肿块良恶性诊断中的价值（论文提纲范文）
| 中英文缩略词 |
| 中文摘要 |
| Abstract |
| 前言 |
| 第一部分 SWE联合US-BI-RADS分级标准在乳腺可疑肿块良恶性诊断中的价值 |
| 1.引言 |
| 2.资料与方法 |
| 3.结果 |
| 4.讨论 |
| 5.结论 |
| 第二部分 乳腺可疑肿块恶性风险超声预测模型的建立与临床应用 |
| 1.引言 |
| 2.材料与方法 |
| 3.结果 |
| 4.讨论 |
| 5.结论 |
| 第三部分 剪切波弹性成像联合常规超声在乳腺肿块型腺病诊断中的价值 |
| 1.引言 |
| 2.材料与方法 |
| 3.结果 |
| 4.讨论 |
| 5.结论 |
| 参考文献 |
| 附录 个人简历 |
| 致谢 |
| 综述 超声影像学方法评价乳腺癌的研究进展 |
| 参考文献 |
（8）剪切波弹性成像联合超声光散射成像对乳腺良恶性结节的诊断价值（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 前言 |
| 1 材料与方法 |
| 2 结果 |
| 3 讨论 |
| 4 结论 |
| 附录 |
| 参考文献 |
| 文献综述 多模态超声及其结合 BI-RADS分类对乳腺良恶性病灶的诊断现状 |
| 参考文献 |
| 缩略语表 |
| 攻读学位期间发表文章情况 |
| 个人简历 |
| 致谢 |
（9）超微血管成像联合钼靶X线在乳腺结节定性诊断中的应用价值（论文提纲范文）
| 中文论着摘要 |
| 英文论着摘要 |
| 英文缩略语表 |
| 前言 |
| 实验资料与方法 |
| 实验结果 |
| 讨论 |
| 结论 |
| 本研究创新性自我评价 |
| 参考文献 |
| 附录 |
| 一、文献综述 乳腺结节的超声诊断现状及进展 |
| 参考文献 |
| 二、在学期间科研成绩 |
| 三、致谢 |
| 四、个人简介 |
（10）乳腺专用PET及其肿瘤纹理分级对乳腺癌诊断价值的临床研究（论文提纲范文）
| 摘要 |
| abstract |
| 缩略词表 |
| 前言 |
| 第一部分 乳腺专用PET显像及其与病理特征的相关性研究 |
| 一、研究对象 |
| 二、研究方法 |
| 三、结果 |
| 四、讨论 |
| 五、小结 |
| 第二部分 乳腺专用PET与传统影像学的对比研究 |
| 一、研究对象 |
| 二、研究方法 |
| 三、结果 |
| 四、讨论 |
| 五、小结 |
| 第三部分 乳腺专用PET肿瘤纹理分级研究 |
| 一、研究对象 |
| 二、研究方法 |
| 三、结果 |
| 四、讨论 |
| 五、小结 |
| 结论 |
| 参考文献 |
| 综述 |
| 参考文献 |
| 在读期间发表论文和参加科研工作情况说明 |
| 致谢 |
四、活检枪在乳腺疾病定性诊断中的应用（论文参考文献）
- [1]超声剪切波弹性成像技术在乳腺肿瘤定性诊断中的应用研究[J]. 邓翠爱. 实用医技杂志, 2022(01)
- [2]3.0T MRI动态增强扫描联合扩散加权成像对乳腺疾病的诊断价值[J]. 胡莹,周凤梅,李培恒,刘儒鹏,陈阳阳. 临床医学研究与实践, 2021(27)
- [3]宽景成像技术联合CDFI在乳腺结节定性诊断中的效能分析[J]. 罗慧英,杨华,曾文. 基层医学论坛, 2021(26)
- [4]数字化乳腺X线征象微钙化对乳腺良恶性疾病的诊断价值[J]. 方秀珍,李德春,王安震,张玉娜,陈淑婉,丁长青. 影像研究与医学应用, 2021(16)
- [5]乳腺结节定性诊断中使用超声引导下穿刺活检的作用[J]. 刘跃华,刘伟宗,王先明. 影像研究与医学应用, 2021(12)
- [6]乳腺X射线图像智能辅助诊断方法及临床应用研究[D]. 秦耿耿. 南方医科大学, 2021
- [7]剪切波弹性成像联合常规超声在乳腺可疑肿块良恶性诊断中的价值[D]. 解欣欣. 安徽医科大学, 2020(01)
- [8]剪切波弹性成像联合超声光散射成像对乳腺良恶性结节的诊断价值[D]. 黄艳琦. 内蒙古医科大学, 2020(03)
- [9]超微血管成像联合钼靶X线在乳腺结节定性诊断中的应用价值[D]. 李晓娜. 锦州医科大学, 2019(05)
- [10]乳腺专用PET及其肿瘤纹理分级对乳腺癌诊断价值的临床研究[D]. 冯拓. 中国人民解放军海军军医大学, 2019(03)