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103 | 下载168

目的 探讨基于深度学习(DL)的乳腺X线肿块自动检测系统诊断乳腺肿块的价值.方法 回顾性分析298例接受乳腺X线检查的女性患者.以3名高年资放射科医师对X线片的评估结果为参照标准,对比分析2名工作时间<5年的放射科医师在无(简称医师1和医师2)或有人工智能(AI)(简称医师1+AI和医师2+AI)辅助下的肿块检出率及检出稳定性.结果 医师1+AI、医师2+AI肿块检出率分别高于医师1、医师2(P均<0.05).医师+AI检出乳腺肿块不受美国放射学院(ACR)肿块腺体构成、乳腺影像报告和数据系统(BI-RADS)分类及其形状、密度等因素影响(P均>0.05).结论 基于DL的乳腺X线影像肿块检测系统可有效提高低年资医师的肿块检出率,提升医师对不同类型肿块检出的稳定性.

作者:张兴梅;张兴华;张刚;郝帅营;李永忠

来源:中国医学影像技术 2019 年 35卷 12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:103 | 下载:168
作者:
张兴梅;张兴华;张刚;郝帅营;李永忠
来源:
中国医学影像技术 2019 年 35卷 12期
标签:
乳腺肿瘤 乳房X线摄影术 深度学习 人工智能
目的 探讨基于深度学习(DL)的乳腺X线肿块自动检测系统诊断乳腺肿块的价值.方法 回顾性分析298例接受乳腺X线检查的女性患者.以3名高年资放射科医师对X线片的评估结果为参照标准,对比分析2名工作时间<5年的放射科医师在无(简称医师1和医师2)或有人工智能(AI)(简称医师1+AI和医师2+AI)辅助下的肿块检出率及检出稳定性.结果 医师1+AI、医师2+AI肿块检出率分别高于医师1、医师2(P均<0.05).医师+AI检出乳腺肿块不受美国放射学院(ACR)肿块腺体构成、乳腺影像报告和数据系统(BI-RADS)分类及其形状、密度等因素影响(P均>0.05).结论 基于DL的乳腺X线影像肿块检测系统可有效提高低年资医师的肿块检出率,提升医师对不同类型肿块检出的稳定性.