多模态超声联合人工智能S-Detect技术校正BI-RADS分类对乳腺肿块的诊断价值分析.pdf

72 影像技术影像研究与医学应用 2024年4月 第8卷第7期 多模态超声联合人工智能 S-Detect 技术校正 BI-RADS 分类对乳腺肿块的诊断价值分析刘美玲，钟树兴（通信作者），王 霞，郭红梅（东莞市妇幼保健院超声科 广东 东莞 523000）【摘要】目的：探讨多模态超声联合人工智能 S-Detect 技术校正 BI-RADS 分类对乳腺肿块的诊断价值。方法：选取 2021 年 1 月2023 年12 月东莞市妇幼保健院收治的乳腺肿块患者 52 例，所有患者均接受多模态超声检查（常规超声、彩色多普勒超声、弹性成像技术、超声造影）及人工智能 S-Detect 技术矫正，以病理结果为金标准，比较多模态超声、S-Detect 技术联合诊断的诊断效能。结果：以病理检查结果为依据，联合检查诊断准确率、灵敏度均高于多模态超声和 S-Detect 技术单一诊断（P 0.05）；恶性病变患者不均匀片状低回声、簇状钙化分布、血流 RI 高、血流丰富、冠状面结构扭曲、弹性评分高占比均高于良性病变（P 0.05）；恶性肿块患者血流阻力指数、Vmax、Vmin均高于良性肿块患者（P 0.05）。结论：多模态超声联合人工智能 S-Detect 技术能进一步提高乳腺肿块良恶性鉴别诊断能力，且良恶性肿块经多模态超声下其超声特征表现及血流频谱上均存在差异，能够依据上述情况做出合理诊断。【关键词】多模态超声；人工智能 S-Detect 技术；乳腺肿块；BI-RADS 分类【中图分类号】R445.1 【文献标识码】A 【文章编号】2096-3807（2024）07-0072-03近些年来，女性乳腺癌为临床多发的恶性肿瘤，死亡率位居前列，严重威胁女性生命健康1。当前国内乳腺超声检查成为筛查及诊断乳腺肿块良恶性的常见方式，其优点为实时动态、无辐射等，但在检查期间会受到仪器及操作者影响2。随着近些年来人工智能技术的发展，计算机辅助诊断（computer aided diagnosis，CAD）成为目前常见的一类诊断工具3。S-Detect 技术为人工智能辅助诊断技术，在诊断中依据卷积神经网络能够分析乳腺影像报告、数据系统，同时，二分法分类能用于乳腺病灶诊断，其结果提示“可能良性”或“可能恶性”，及时判断出乳腺病灶形式，为临床超声医师早期诊断提供依据。乳腺非肿块型病变经超声检查后，分析结果得出，因不具备空间占位效应则难以显示出乳腺肿块的基本特征，增加漏诊、误诊。现阶段国内有关 S-Detect 技术实际应用分析中，其对乳腺超声应用成效依然处于起始阶段，临床文献内容较少。文章就 2021 年 1 月2023 年 12 月东莞市妇幼保健院收治的乳腺肿块 52 例患者接受多模态超声及 S-Detect 技术检查乳腺肿块病变诊断效能展开分析，现报道如下。1 资料与方法1.1 一般资料选取 2021 年 1 月2023 年 12 月东莞市妇幼保健院收治的乳腺肿块患者 52 例，患者年龄 17 64 岁，平均（43.656.26）岁。本研究符合赫尔辛基宣言中的伦理准则。纳入标准：（1）单一肿块；（2）未接受同侧乳房穿刺、手术；（3）患者知晓研究内容。排除标准：（1）合并其他恶性肿瘤；（2）合并其他重要脏器功能病变；（3）处于妊娠、哺乳期女性。1.2 方法常 规 超 声 检 查：采 用 仪 器：Samsung RS80A 版本 的 超 声 诊 断 仪，L3 12A 线 阵 探 头，频 率（5 13）MHz4。取患者仰卧位暴露双侧乳房，将所有仪器及数据调整至最佳条件，将患者双手举过头顶，暴露患者腋双侧窝，将耦合剂涂抹于乳腺乳头周围，保持用量适中、均匀，轻压探头，期间避免过度加压。声束斜切，辐射状扫查，自腋前线至胸骨缘末，第 2 肋自上至下扫查至第 6肋间横切，探查可疑肿块后多切面扫查，观察肿块方位、内部回声、形态及边缘等。按照BI-RADS分类标准评估。彩色多普勒血流成像（CDFI）及血流频谱检查：完成灰阶超声观察后，进行 CDFI 检查，评估乳腺内部及大血管血流信号，探头置于乳腺皮肤，叮嘱患者平稳呼吸，观察肿块内部血流状况，位于丰富血流切面冻结后并遵循 Adler 分级标准评估血流信号，0 级：未见血流信号；级：肿块内部有 1 2 个点状血流信号、短棒状血流信号；级：3 4 个点状血流信号，1 条较长血管信号，长度接近或超过肿块半径；级：5 个及以上点状血管信号、2 条较长血管信号。0、级/低阻：良性可能，、级/高阻：恶性可能。弹性成像技术：首先观察乳腺的二维图像找到病变，然后切换至弹性成像的模式，感兴趣区（ROI）放在病变区域，ROI 的大小通常是病变的 2 3 倍，因此病灶过大（直径 3 cm）时诊断准确性有所降低。探头轻放垂直于胸壁，压力压放频率的综合指标应采用 2 3 为宜。弹性成像通常有左右两幅图像，一侧为二维超声，另一侧为弹性成像，对比显示，待得到满意的稳定图像时冻结进行分析。以 Samsung RS80A 为例，弹性图像中课题项目：东莞市科学技术局科研项目（20231800938292）。73影像技术影像研究与医学应用 2024年4月 第8卷第7期 红色表示组织较软，蓝色表示组织较硬，绿色表示平均硬度。目前图像分析方法主要有两种：一种为评分法，另一种为半定量比较法。评分法多采用日本筑波大学植野教授所介绍的 5 分法，1 分：病灶变形，图像为绿色；2 分：病灶大部分变形，图像为蓝绿色混合状；3 分：病灶边缘扭曲中间无改变，病灶中心为蓝色，周边绿色；4 分：病灶无变形，图像蓝色；5 分：病灶及周边五边形，图像均为蓝色。评分 1 3 分倾向为良性，4 5 分倾向为恶性。半定量比较法常用应变率比值法，即测量病变区与对照区的应变率比值，认为 3.05 为诊断临界值，其诊断敏感度为 78.26%，特异度为 100.00%。超声造影检查：经肘静脉注入 4.8 mL 造影剂后，快速注入 5 mL 生理盐水进行冲洗，启动计时器和动态存储功能。注射对比剂后进行动态观察且时间不短于 3 min，留存视频图像以便进行详细的良、恶性组病灶比较分析，包括增强强度、增强模式、增强均匀性、血管形态、边缘、范围是否扩大等（图 1a）。Detect 技术：仪器采用 Samsung RS80A 版本的超声诊断仪，L3 12A 线阵探头，探头频率（5 13）MHz。取患者仰卧位暴露双侧乳房及腋窝，由 1 名从业 15 年超声医师规范多切面，以乳头为中心放射状扫查各象限腺体、腋下淋巴结，保存灰阶、彩色血流图像后采用 S-Detect 模式，位于乳腺肿块最大长轴切面、垂直切面时，并对病灶自动绘制ROI，必要时可手动矫正，自动输出“可能良性”或“可能恶性”的二分类诊断结果（图 1b）。上述评估由两名从业 10 年超声医师经双盲法完成，当结果不一致协商统一结果。（a）（b）注：患者女，53 岁，免疫组化：乳腺浸润性癌。（a）肿块超声造影呈不均匀高增强，边缘毛刺征，范围明显扩大；（b）S-Detect 技术显示：可能恶性。图 1 超声造影与人工智能 S-Detect 技术扫描图像1.3 观察指标（1）以 病 理 结 果 为 标 准，比 较 多 模 态 超 声、S-Detect 技术及联合诊断的诊断效能；（2）比较良恶性超声特征表现；（3）比较良恶性血流阻力指数。1.4 统计学方法采用 SPSS 18.0 统计软件分析数据，符合正态分布的计量资料以均数 标准差（x-s）表示，采用 t 检验；计数资料以频数（n）、百分率（%）表示，采用2检验。P 0.05 表示差异有统计学意义。2 结果2.1 多模态超声、S-Detect 技术及联合诊断的诊断效能以病理检查结果为依据，联合检查诊断准确率、灵敏度均高于多模态超声和 S-Detect 技术单一诊断，差异有统计学意义（P 0.05）。见表 1、表 2。表 1 多模态超声、S-Detect 技术及联合诊断的结果单位：例检查方式病理结果合计（n=52）阳性（n=29）阴性（n=23）多模态超声阳性20 424阴性 91928S-Detect 技术阳性24 529阴性 51823联合检查阳性28 129阴性 12223表2 多模态超声、S-Detect技术及联合诊断的诊断效能比较%（n/m）检查方式准确率特异度灵敏度多模态超声75.00（39/52）82.61（19/23）68.97（20/29）S-Detect 技术80.77（42/52）78.26（18/23）82.76（24/29）联合检查96.15（50/52）95.65（22/23）96.55（28/29）29.2413.0417.733P0.0100.2190.02174 影像技术影像研究与医学应用 2024年4月 第8卷第7期 2.2 良性病变与恶性病变超声特征比较恶性病变患者不均匀片状低回声、簇状钙化分布、血流 RI 高、血流丰富、冠状面结构扭曲、弹性评分高占比均高于良性病变，差异有统计学意义（P 0.05）。见表 3。表 3 良性病变与恶性病变超声特征比较 n（%）病变性质不均匀片状低回声簇状钙化分布导管结构扩张血流 RI 高血流丰富冠状面结构扭曲弹性评分高超声造影良性（n=23）4（17.39）6（26.09）4（17.39）5（21.74）6（26.09）3（13.04）3（13.04）20（86.96）恶性（n=29）16（55.17）21（72.41）4（13.79）17（58.62）27（93.10）20（68.97）24（82.76）24（82.76）27.73611.0280.1277.14824.84416.26224.9740.174P0.005 0.0010.7210.007 0.001 0.001 0.0010.6772.3 乳腺良恶性患者血流阻力指数比较恶性肿块患者血流阻力指数、Vmax、Vmin 均高于良性肿块患者（P 0.05）。见表 4。表 4 乳腺良恶性患者血流阻力指数比较（x-s）病变性质血流阻力指数Vmax/（cms-1）Vmin/（cms-1）良性（n=23）0.820.1113.452.263.410.81恶性（n=29）1.740.3219.962.365.890.84t13.16210.06510.741P 0.001 0.001 0.0013 讨论随着近些年来人工智能被广泛应用于临床之中，CAD 应运而生4。CAD 系统能及时处理图像，分割及提取特征表现，进而为临床医师提供更多诊断信息，使得诊断结果更加客观及准确5。常规超声、彩色多普勒、弹性成像技术、超声造影均是临床诊断乳腺肿块良恶性常见的辅助检查，由于良恶性肿块内部构造不一致，恶性肿瘤往往生成更多血管，依据彩色多普勒血流显像及血流频谱，能掌握内部血流构造情况；弹性成像技术则是从组织结构判断良恶性，依据内部构造变化进而做出鉴别；超声造影则是一项综合诊断项目，可依据血管形态、边缘及范围构造情况做出判断6。为进一步了解 S-Detect 技术在临床乳腺肿块良恶性鉴别诊断情况，并对多模态超声人为审核、S-Detect 技术及联合诊断结果进行评估，联合检查诊断准确率、灵敏度分别为 96.15%、96.55%，均高于多模态超声诊断的75.00%、68.97%与 S-Detect 技术诊断的 80.77%、82.76%（P 0.05）。分析原因得出，主要是由于 S-Detect 技术能够识别更多超声特征，如形态、边缘、生长方向以及内部回声等，经综合分析后得出诊断结果，在应用过程中优势更为明显，受到操作者主观因素影响较小，在评估乳腺病变过程中更具有客观性7-8。且上述技术基于卷积神经网络能缩短病灶评估时间，无须离线分析，能够实时显示结果，整体操作更为方便快捷9-10。同时，本文对良恶性肿块超声特征、血流阻力指数展开分析，恶性病变患者不均匀片状低回声、簇状钙化分布、血流RI 高、血流丰富、冠状面结构扭曲、弹性评分高占比均高于良性病变（P 0.05），血流阻力指数、Vmax、Vmin 均显著高于良性肿块患者（P 0.05）。得出在良恶性病变中，经过多模态超声诊断，能够依据每一类超声特征表现综合做出分析，依据其特征表现及血流阻力指数改变情况进行综合诊断，进而有效区分乳腺肿块良恶性，提供合理诊断依据。综上所述，多模态超声联合人工智能 S-Detect 技术能进一步提高乳腺肿块良恶性鉴别诊断能力，且良恶性肿块经多模态超声检查的超声特征表现及人工智能 S-Detect技术存在差异，能够依据上述情况做出合理诊断。【参考文献】1 刘梦涵，贺芳，肖际东.S-detect 联合声触诊组织成像定量在乳腺肿块超声诊断中的应用 J.中南大学学报(医学版)，2022，47(8):1089-1098.2 程扬眉，夏群，王俊，等.超声 S-Detect 技术在乳腺肿块诊断中的价值 J.南方医科大学学报，2022，42(7):1044-1049.3 戚瑞祥，朱罗茜，方建华，等.S-Detect 技术在乳腺非肿块型病变中的诊断价值 J.中国超声医学杂志，2021，37(3):251-255.4 董梦.应变式弹性成像技术对 BI-RADS 4 类结节的诊断价值研究 D.宜昌：三峡大学，2023.5 潘加珍，刘心培，查海玲，等.S-Detect 在乳腺肿块诊断中出现假阴性和假阳性的影响因素 J.肿瘤影像学，2023，32(1):64-72.6 贺芳，肖际东，文欢，等.S-detect 技术辅助超声鉴别诊断最大径 2 cm 乳腺良恶性肿块型病灶 J.中国医学影像技术，2018，34(8):1207-1210.7 王美文，王艳春，肖沪生，等.S-Detect 技术在乳腺超声检查中的诊断性能 J.中国医学物理学杂志，2020，37(4):450-455.8 詹伏兰，徐文君，王金宏，等.S-Detect 联合弹性成像辅助常规超声诊断乳腺肿瘤的价值 J.中国综合临床，2022，38(4):320-326.9 葛雪，杜建文，王洪，等.S-Detect 技术在不同级别超声医师乳腺肿物性质诊断的应用价值 J.中国超声医学杂志，2020，36(2):112-115.10 王心宇，魏琪，崔新伍，等.S-Detect 技术在乳腺癌鉴别诊断中的辅助诊断价值 J.中华超声影像学杂志，2019，28(3):246-250.