【摘 要】
：
目的 探讨联合超微血流成像（superb microvascular imaging, SMI）和彩色多普勒血流显像（color Doppler flow imaging,CDFI）在乳腺影像学报告和数据系统（breast imaging reporting and data system,BI-RADS）分级为4类的微小结节诊断中的应用,并与超声造影（contrast-enhanced ultr
【基金项目】
：
国家自然科学基金青年科学基金项目（82102038）；
论文部分内容阅读
目的 探讨联合超微血流成像（superb microvascular imaging, SMI）和彩色多普勒血流显像（color Doppler flow imaging,CDFI）在乳腺影像学报告和数据系统（breast imaging reporting and data system,BI-RADS）分级为4类的微小结节诊断中的应用,并与超声造影（contrast-enhanced ultrasound,CEUS）结果比较。方法 前瞻性纳入乳腺BI-RADS分级4类、最大径≤1 cm,并经术后病理检查证实的165例乳腺微小结节患者共165例病灶,其中良性病灶125例、恶性病灶40例,每例病灶均进行CDFI、SMI及CEUS检查,分析其声像图资料。采用Adler半定量法进行血流分级评价,比较CDFI和SMI显示微小结节内血流情况的差异。制定了CDFI、CDFI+SMI联合两种方式预测结节性质的诊断标准,分析了CDFI、CDFI和SMI联合及CEUS三种血流显像方法对乳腺微小结节性质的诊断价值。结果 恶性乳腺微小结节患者患病年龄大于良性患者,CDFI及SMI对乳腺微小结节血流检出能力不同,CDFI血流显示率为47.3%（78/165）、SMI为83.6%（138/165）。以病理结果为金标准,CDFI、联合CDFI和SMI、CEUS三种方法诊断乳腺微小结节的灵敏度分别为72.5%、87.5%、72.5%,特异度分别为60.8%、59.2%、82.4%,准确性分别为63.6%、66.1%、80.0%,曲线下面积（area under the curve, AUC）分别为0.665、0.771、0.772,且三种方式对微小结节诊断的差异有统计学意义,表明联合应用CDFI和SMI的方式优于单独使用CDFI。结论 对于诊断为BI-RADS 4类的乳腺微小结节,联合应用CDFI和SMI,可有助于提高判断结节性质的灵敏度,并减少有创性检查超声造影的使用。
其他文献
网络信息安全涉及国家安全和社会稳定、涉及个人隐私和财产保障、涉及企业运营和商业机密。因此，提升安全防护技术，保障信息通信网络安全，是当前社会环境及背景下不可疏忽的关键任务。针对此问题，本文将基于信息通信网络安全防护现状，提出相关技术应用方法来解决现存的安全隐患。以期能够为行业相关工作提供借鉴与帮助。
目的 观察醒脑开窍针刺法结合舌部针刺治疗脑梗死后构音障碍的临床疗效。方法 选取2015年1月至2020年1月在中国人民武装警察部队特色医学中心住院的脑梗死合并构音障碍患者130例，采用SPSS软件生成随机数字表，按入组时间顺序1∶1随机分为治疗组和对照组，每组65例。2组患者在西医治疗的基础上，治疗组给予醒脑开窍针刺法结合舌部针刺治疗，对照组给予传统针刺结合舌部针刺治疗，每日1次，14 d为1个疗
石油化工建设是科技含量较高的技术密集型行业之一，具有易燃易爆、腐蚀性强、有毒有害等特点，一旦工程建设环节处理不力，轻则直接污染区域生态环境，重则危及大众生命健康安全。为有效解决上述问题，强化环境影响评价工作刻不容缓。然而，在实际工作当中，受到诸多因素的影响，导致环境影响评价工作问题频出，直接影响了环境影响评价工作及区域生态环境质量。基于此，本文首先针对石油化工建设项目与环境影响评价进行概述，并重点
目的比较超声引导下前锯肌平面阻滞（SAPB）和胸椎旁神经阻滞（TPVB）应用于行乳腺癌改良根治术的老年女性患者术后的镇痛效果及对疼痛介质和炎症因子的影响。方法选择2016年4月至2020年4月在我院全身麻醉下行乳腺癌改良根治术的老年女性患者80例,采用随机数字表法分为观察组及对照组,每组40例。对照组在麻醉诱导前行超声引导下TPVB,观察组在麻醉诱导前行超声引导下SAPB。术后各时间点静息和咳嗽状
人工智能正在重构教育空间与活动流程，改变高等教育领域中师生的学习、生活与思维模式。通过对人工智能赋能高等教育的整体性和贯通式分析，探索迈向智能时代的高等教育可持续发展与推进路径。首先，基于赋能理论，沿着“目标—手段—主体—场景”的思路，厘清人工智能赋能高等教育的逻辑理路，探讨可信人工智能作为高等教育赋能的关键引擎，与教育场景持续互动演进，助力高等教育强国建设。其次，基于“学生—教师—学校”多主体视
随着信息技术及医疗数据信息化的不断发展,越来越多的临床医生认识到人工智能或将彻底改变医学实践。机器学习可对大量医疗数据进行学习,探索数据集中的依赖关系,从而形成相应的医学模型;模型可对新的数据进行快速准确预测,有利于疾病早期诊断分级、辅助制定临床决策等。急诊医学面临着医疗资源相对短缺、急危重症患者识别及快速诊治需求等现状。在大数据时代,以临床需求为导向,机器学习为手段的智慧医疗或将成为解决上述问题
超声是诊断甲状腺疾病首选的影像学工具。基于常规超声的甲状腺影像报告和数据系统的建立在甲状腺肿瘤诊断中发挥着举足轻重的作用。近年来，弹性成像、超微血流成像、超声造影及人工智能等新技术广泛应用于甲状腺疾病超声诊断。多模态超声技术的应用大幅度提升了甲状腺恶性肿瘤的诊断准确度，为甲状腺癌患者个体化诊疗方案的制订提供了理论依据。