您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览16 | 下载7

目的 探究人工智能S-detect技术在超声BI-RADS 4 类乳腺肿块中的应用价值.方法 选取 2018 年 2 月-2020 年 2月在中南大学湘雅三医院进行乳腺超声检查的女性患者 73 例作为研究对象,同时进行了S-detect检测.以组织学病理结果为金标准,分析S-detect技术在辅助常规超声前后在BI-RADS 4 类乳腺肿块中诊断效能.结果 以组织学病理结果为金标准,常规超声对 76 例乳腺肿块进行BI-RADS分类的正确率为 72.37

作者:贺芳;肖际东;郭阳

来源:医学信息 2023 年 36卷 17期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:16 | 下载:7
作者:
贺芳;肖际东;郭阳
来源:
医学信息 2023 年 36卷 17期
标签:
BI-RADS 4类 S-detect技术 人工智能 乳腺肿块 BI-RADS 4 category S-detect technology Artificial intelligence Breast mass
目的 探究人工智能S-detect技术在超声BI-RADS 4 类乳腺肿块中的应用价值.方法 选取 2018 年 2 月-2020 年 2月在中南大学湘雅三医院进行乳腺超声检查的女性患者 73 例作为研究对象,同时进行了S-detect检测.以组织学病理结果为金标准,分析S-detect技术在辅助常规超声前后在BI-RADS 4 类乳腺肿块中诊断效能.结果 以组织学病理结果为金标准,常规超声对 76 例乳腺肿块进行BI-RADS分类的正确率为 72.37