在不同的平面上对S-Detect技术的诊断价值进行比较分析,与乳腺损伤的BI-RADS分类相比
Panpan Zhang1, Min Zhang1, Menglin Lu1
1Department of Ultrasound, The Affiliated Taizhou Hospital, Wenzhou Medical University, Linhai, Zhejiang Province, China.
Academic radiology
|August 13, 2024
概括
当成像平面一致时,S-Detect在诊断乳腺病变方面表现出高准确度. 然而,它的性能随着不同飞机的不一致发现而显著下降,需要仔细解释.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 在瘤学瘤学.
背景情况:
- 深度学习系统S-Detect通过超声波帮助诊断乳腺病变.
- 在成像平面之间S-Detect发现的不一致性可能会影响诊断可靠性.
研究的目的:
- 评估S-Detect在辐射和反辐射超声波平面上的诊断性能.
- 识别导致S-Detect在不同平面上的诊断不一致的因素.
主要方法:
- 从711名患者 (2019年1月至2022年1月) 进行了756例乳腺病变的回顾性队列研究.
- S-Detect评估了辐射和反辐射平面中的病变;用于比较的BI-RADS分类.
- 单变量和多变量分析确定了与诊断不一致相关的因素.
主要成果:
- 88.4%的病变具有一致的S-Detect发现;11.6%是不一致的.
- 一致的发现:S-Detect的性能优于BI-RADS (精度为91.2%与84.9%,AUC为0.916与0.859).
- 不一致的发现:S-Detect的精度和AUC低于BI-RADS (精度~50%与69.3%,AUC~0.5与0.739).
- 与损伤大小,边缘特征和后部声学特征相关的不一致性.
结论:
- 在成像平面一致时,S-Detect优于BI-RADS.
- S-Detect的诊断效率随着平面间不一致而降低.
- 建议仔细考虑S-Detect的结果,当发生跨平面不一致时.
