一、超声诊断乳腺癌的价值及误诊分析（论文文献综述）
周敏,朱峰,王小燕,何小芳[1]（2021）在《乳腺癌早期诊断中乳腺超声检查的漏诊、误诊病例特征及影响因素的回顾性分析》文中研究指明目的回顾性分析乳腺癌早期诊断中乳腺超声检查的漏诊、误诊病例特征及影响因素。方法将乳腺超声检查诊断的乳腺癌假阴性（漏诊）、假阳性（误诊）患者128例纳入本研究,分析漏诊、误诊病例特征,并采用多因素非条件Logistic回归分析探讨乳腺癌早期诊断中漏诊、误诊的独立影响因素。结果 128例患者中,乳腺癌假阴性（漏诊）、假阳性（误诊）患者分别为89例、39例。漏诊和误诊患者血流分布比较,差异有统计学意义（P<0.05）。Logistic回归分析结果显示,病灶呈周边型血供或者无血流、微钙化、腋窝淋巴结阳性为乳腺癌早期诊断中乳腺超声检查漏诊的独立影响因素（P<0.05）。血流信号、腋下淋巴结肿大、肿块和结节单一、炎性病变均为乳腺癌早期诊断中乳腺超声检查误诊的独立影响因素（P<0.05）。结论病灶呈周边型血供或无血流、微钙化、腋窝淋巴结阳性为乳腺超声检查漏诊的独立影响因素。血流信号、腋下淋巴结肿大、肿块和结节单一、炎性病变为乳腺超声检查误诊的独立影响因素。
刘方智,邱振华,刘可馨,张晓英[2]（2021）在《乳腺超声辅助筛查乳腺癌患者的诊断价值》文中指出目的探讨乳腺超声辅助筛查腺癌患者的诊断价值。方法选取2015年8月至2020年5月间福建省建宁县医院检查的66例疑似乳腺癌女性,均采用乳腺X线检查与超声检查,判断诊断价值。结果患者检查部位:左侧35例,右侧31例;临床表现（可合并）:乳头内陷37例,乳腺外观橘皮样24例,乳头溢液26例。超声判断为乳腺癌阳性46例（70.0%）,X线判断为乳腺癌阳性43例（65.2%）,两者比较,差异无统计学意义（P> 0.05）。病理判断为乳腺癌阳性47例（71.2%）。以病理诊断为金标准,乳腺超声与X线诊断乳腺癌的敏感性分别为89.1%和95.7%,特异性分别为89.5%和94.7%,准确性分别为87.9%和95.5%。乳腺超声出漏诊/误诊3例。单因素分析显示,乳腺钙化、病灶直径、后方回声与内部回声均与乳腺癌乳腺超声漏诊/误诊存在相关性（均P <0.05）;多因素Logistic回归分析显示,乳腺钙化、病灶直径、后方回声与内部回声均为导致乳腺癌乳腺超声漏诊/误诊的重要因素（均P <0.05）。结论乳腺超声辅助筛查乳腺癌患者,诊断敏感性、特异性与准确性均较高,乳腺钙化、病灶直径、后方回声与内部回声为导致乳腺癌漏诊/误诊的重要因素。
宋玉娟,刘胜,刘美华,朱丽娜[3]（2021）在《乳腺癌早期筛查应用乳腺超声的漏诊、误诊病例特征及相关危险因素分析》文中认为分析乳腺癌早期筛查应用乳腺超声诊断的漏诊、误诊病例特征及相关危险因素。采用方便抽样法选取行乳腺超声检查的2548例乳腺肿块患者,分析其中假阴性（漏诊）、假阳性（误诊）的132例患者漏诊、误诊特征。乳腺超声诊断乳腺癌的漏诊、误诊与患者年龄、病灶数量无关（P>0.05）;病灶最大径、是否合并良性病灶、是否合并炎性病变、超声图像边缘、微钙化、腋下淋巴结回声、血流信号是否明显、病灶结构复杂多样为乳腺癌早期筛查应用乳腺超声诊断的漏诊、误诊的独立危险因素（P<0.05）。乳腺癌早期筛查应用乳腺超声诊断的漏诊、误诊受多种因素的作用,临床在诊断时应尤其关注,以降低漏诊、误诊率。
车凌祥,黄晴[4]（2021）在《彩色多普勒超声 超声弹性成像及X线钼靶检查在健康体检妇女乳腺癌筛查中的方案优化》文中研究说明目的对比分析彩色多普勒超声（CDUs）、超声弹性成像（UE）及X线钼靶检查不同组合方案在健康体检妇女乳腺癌筛查中的优劣,为健康体检妇女乳腺癌筛查方案优化提供参考依据。方法选择2016年1月-2018年1月在该院行健康体检符合纳入条件的100例成年女性受试者作为研究对象。所有受试者均行乳腺彩色多普勒超声检查、超声弹性成像检查及X线钼靶检查。彩色多普勒超声检查与X线钼靶检查结果均行规范的乳腺影像报告和数据系统（BI-RADS）术语报告,由两位资深超声医师分别阅片并作出诊断结果,超声弹性成像检查结果,由上述两位医师采用改良超声弹性成像5分法进行阅片并出具诊断报告。以病理诊断结果及三项均为良性诊断结果为金标准,采用并联方法对CDUs、UE及X线钼靶不同组合筛查方案的灵敏度、特异度、准确性、阳性预测值、阴性预测值及误诊率进行计算并比较。结果 X线钼靶检查、CDUs及UE检查良性、需行病理活检、需行手术探查或者治疗构成情况比较,X线钼靶需行病理活检率明显高于CDUs、UE （P<0.05）; 100例受试者病理诊断为乳腺癌者计37例,CDUs、UE及X线钼靶分别判断为乳腺癌41例、39例及48例,并联组合后,CDUs+UE+X线钼靶与CDUs+UE诊断乳腺癌均为36例,其他两两联合诊断乳腺癌例数低于36例; CDUs+UE诊断乳腺癌的灵敏度、特异度、准确度、阳性预测值及阴性预测值均较其他方案高或持平,且误诊率为所有方案中最低,CDUs+UE+X线钼靶方案虽然各检验统计值误诊率为次低,单纯X线钼靶误诊率最高。结论 CDUs检查和X线钼靶检查均存在一定的缺陷,而UE检查则可弥补CDUs检查对部分受检者血流不敏感的不足,CDUs+UE筛查方案对行健康体检的女性乳腺癌筛查临床价值更高。
王惠,董磊,张彦,崔娜[5]（2021）在《特殊类型乳腺癌的超声误诊分析》文中研究指明目的分析特殊类型乳腺癌的超声误诊原因,提高对该类疾病的认识。方法回顾性分析2012年6月—2020年8月曾误诊的4例特殊类型乳腺癌的临床及超声检查资料。结果本组误诊率为22.2%。1例于哺乳期发现右乳肿块伴疼痛,误诊为积乳、乳腺炎,经穿刺活组织病理检查确诊为妊娠哺乳期乳腺癌。1例甲状腺癌术后检查发现右乳肿块,误诊为纤维腺瘤,术后病理确诊为乳腺黏液腺癌。1例体检发现右乳结节,误诊为良性结节,术后病理确诊为乳腺浸润性小叶癌。1例左侧乳头瘙痒伴溃烂,未做出诊断,术后病理确诊为乳腺Paget’s病。4例均行手术治疗,目前患者均健在。结论特殊类型乳腺癌有各自的声像图特征,并有特定的病理学基础,但缺乏超声特异性,需要临床医师加深对该类病变的认识。
谭志凤[6]（2021）在《超声造影在乳腺病变良恶性鉴别中的价值》文中研究表明目的:以病理诊断为“金标准”,比较超声造影（Contrast-enhanced ultrasound,CEUS）五分法及预测模型与常规超声（Conventional ultrasound,CUS）在乳腺病变良恶性鉴别中的价值。方法:将2018年9月至2020年12月在大理大学第一附属医院经CUS诊断为乳腺BI-RADS 4、5类病变的70例女性患者（70个病灶）纳入研究,均行CEUS检查并经手术或穿刺取得病理组织学结果。回顾性分析病灶的CEUS图像特征,分别采用五分法及预测模型对其进行诊断。以病理诊断为“金标准”,构建受试者工作特征曲线（Receiver operating characteristic curve,ROC）,比较CUS、CEUS五分法及预测模型鉴别乳腺病变良恶性的准确性;采用与“金标准”的Kappa一致性分析比较三种诊断方法的可靠性。结果:1.经病理诊断证实,70个病灶包括良性组39个（55.7%）和恶性组31个（44.3%）,乳腺癌各诊断方法的敏感度、特异度、阳性及阴性预测值、误诊率及漏诊率分别为:CUS,80.65%,61.54%,62.50%,80.00%,38.47%,19.36%;CEUS五分法,83.87%,89.74%,86.67%,87.50%,10.26%,16.13%;CEUS预测模型,90.32%,87.18%,84.85%,91.89%,12.82%,9.68%;与CUS对比,CEUS五分法及预测模型的特异度及阳性预测值更高、误诊率更低（P<0.05）,而灵敏度、阴性预测值及漏诊率差异均无统计学意义（P>0.05）;CEUS五分法与预测模型上述各诊断效能差异均无统计学意义（P>0.05）。2.CUS、CEUS五分法及预测模型的ROC曲线下面积分别为0.711±0.063、0.868±0.048及0.888±0.044,CEUS五分法及预测模型的ROC曲线下面积均高于CUS（Z1=2.305、Z2=1.982,P<0.05）;CEUS预测模型与五分法的ROC曲线下面积差异无统计学意义（Z3=0.031,P>0.05）。3.CUS及CEUS五分法与“金标准”的一致性中等（Kappa值分别为0.410、0.739）;CEUS预测模型与“金标准”有高度一致性（Kappa值=0.770）。结论:1.在乳腺病变的良恶性鉴别中,CEUS预测模型及五分法的准确性、可靠性均优于CUS,CEUS的诊断优势在于显着提高特异度及阳性预测值,降低误诊率;2.CEUS预测模型与CEUS五分法的准确性相当,但前者可靠性更佳。
徐平[7]（2021）在《超声造影在乳腺病变诊断中的应用价值及影响因素探讨》文中研究表明研究背景及目的乳腺癌是世界范围内女性发病率最高的癌症,也是女性癌症相关死亡的主要原因。它是一种高度异质性疾病,与多种已知的可改变和不可改变的危险因素相关[1]。近年来,中国女性乳腺癌的发病率一直呈上升趋势[2],给患者带来了巨大的经济负担和心理创伤,因此乳腺癌的早期诊断和治疗就成为我们工作中的重中之重[3]。2019年版《中国女性乳腺癌筛查指南》[4]中推荐乳腺X线摄影（Mammography,MG）作为乳腺癌筛查项目的参考标准,同时强调了超声检查（Ultrasound,US）对MG的补充作用。US和MG检查作为乳腺筛查及诊断的一线“黄金搭档”,为乳腺癌的早期发现和治疗提供了最重要的影像依据[5]。虽然BI-RADS系统的引入为病变诊断提供了标准化的分类,但是MG和常规US的应用仍然存在一定的局限性。MG对致密乳房乳腺癌的的敏感度仅为30-48%[5],假阴性率相对较高[6],而在中国49.49%乳腺为致密型[7],这一定程度上限制了 MG在中国的应用。US更适合对具有小而致密乳房的亚洲女性进行乳腺筛查,但是其诊断假阳性较高[8]。MG和US的联合诊断结果灵敏度高但特异度低,导致许多不必要的活检,并且二者诊断经常出现不一致的情况,从而使临床医生困惑,导致不正确的临床建议。迫切需要一种有效的检查方法来进一步评价MG+US的诊断结果。近二十年来,超声造影（Contrast-enhanced Ultrasound,CEUS）应用于乳腺病变的鉴别诊断。它是一种纯血池显像技术,不仅能显示乳腺病变的形态,还能显示其微血管构筑,已有许多研究表明CEUS可优化BI-RADS分类,提高诊断效能并减少不必要的活检[9-11]。CEUS越来越多地被选为用于对US+MG结果进一步评价的成像方式[11]。但CEUS不仅需要额外的时间和费用,并且有可能产生并发症。作为US和MG的辅助工具,其临床应用仍然有很多问题亟待探讨。首先,迄今为止,CEUS作为US和MG的辅助手段,其应用指征并不明确。在US+MG不同类别的诊断中补充CEUS的应用价值存在争议,在US和MG诊断不一致的情况下CEUS是否是有效的补充工具也有待探讨[12]。再者既往文献多关注CEUS在乳腺病变鉴别诊断方面的贡献,而对CEUS诊断局限性的研究极少[19]。明确可能导致CEUS错误诊断的病变的相关因素,将有助于对其错误诊断结果的解释及CEUS的合理应用。最后乳腺高危病变在临床、形态学和生物学上具有较大的异质性[13],无论从家族遗传、基因测序、生化测定、临床表现[14-16]还是影像学检查[17],早期诊断均有一定难度。研究表明,乳腺高危病变整体血管化程度比非高危病变更明显,血管的数量和密度与病变的大小和病理严重程度成正比[18]。由此推测,对良性病变血管化的评估可能有利于高危病变的识别。在上述背景下,本研究拟从以下三个方面对CEUS在乳腺病变诊断中应用进行讨论。论文的第一部分拟探讨CEUS作为MG和US的辅助手段在不同情况的US和MG诊断结果中补充应用价值的区别。第二部分聚焦于CEUS在乳腺病变鉴别诊断中的局限性,探索与CEUS假阳性及假阴性诊断相关的病变特征。第三部分初步探讨乳腺良性高危病变CEUS特征及CEUS对高危病变的诊断价值。通过上述三个方面的研究,为CEUS的合理应用及进一步推广提供依据。第一部分:超声造影对乳腺病变常规诊断的补充应用价值评估目的:探讨超声造影（Contrast-enhanced ultrasound,CEUS）对乳腺病变X线摄影（Mammography,MG）和常规超声（Ultrasound,US）的补充应用价值,并对不同诊断情况下CEUS的补充价值进行比较,为CEUS的合理应用提供依据。方法:对2017年1月至2020年6月在我院行MG、US及CEUS检查并经病理证实的349个乳腺病变的各项诊断结果进行分析。首先通过ROC曲线评估US、MG、US+MG、US+CEUS及US+CEUS+MG对全体病变的诊断效能,并计算敏感度、特异度、准确度、阳性预测值（Positive Predictive Value,PPV）、阴性预测值（Negative predictive value,NPV）、假阳性（False Positive,FP）、假阴性（False Negative,FN）及曲线下面积（Area Under the Curve,AUC）。然后根据 US+MG联合诊断的BI-RADS分类结果将349个病变分成可能良性组（1、2、3类）及可能恶性组（4、5类）,并分别比较两组补充CEUS检查前后诊断敏感度、特异度、准确度、PPV、NPV及AUC。最后根据US及MG的诊断是否一致将349个病变分成一致组和不一致组,分别分析两组患者的临床及病理特征,并比较两组补充CEUS检查前后诊断敏感度、特异度、准确度、PPV、NPV及AUC。采用SPSS 22.0软件（SPSS,芝加哥,IL,美国）进行统计分析,定性指标用频数（百分比）表示,采用χ2检验比较组间差异,定量指标用均数±标准差表示,采用t检验比较组间差异。采用McNemar检验,比较不同检查方法的敏感度和特异度,采用Z检验比较各种方法的AUC。用与Leisenring等人提出的卡方统计量相同分布的分数统计量比较不同方法之间的PPV和NPV。以P<0.05表示有统计学意义。结果:349个乳腺病变包含205个良性和144个恶性。在全部病变的诊断中,US+CEUS+MG诊断乳腺病变的敏感度、特异度、准确度、PPV、NPV、FP及FN分别为 97.92%、69.27%、81.95%、69.12%、98.12%、30.73%及 2.08%,AUC 为 0.836,相较于US+MG,特异度、准确度、AUC均提高,假阳性降低。349个乳腺病变中,US+MG诊断可能良性80个,可能恶性269个。在US+MG诊断可能良性组,US+CEUS+MG敏感度、特异度、准确度、PPV、NPV及AUC为71.42%、98.63%、92.50%、83.33%、97.30%、0.850。相较于 US+MG,敏感度提高（P<0.05）,但特异度、准确度、NPV及AUC无统计学差异。在US+MG诊断可能恶性组,US+CEUS+MG 敏感度、特异度、准确度、PPV、NPV 及 AUC 为 98.54%、53.78%、76.58%、68.88%、97.26%、0.758。相较于US+MG,特异度、准确度、PPV及AUC提高（P<0.05）,敏感度无统计学差异。349个乳腺病变中,US和MG诊断一致178个,诊断不一致171个。诊断不一致的原因在病理良性组主要是US检查的假阳性（75/108,69.44%）,在恶性组主要是MG为假阴性（58/63,92.06%）。年轻女性、小病变、致密乳房和淋巴结阴性的乳腺癌在不一致组中更常见（P分别为0.008、0.013、0.023和0.000）。不同的病理分级在两组中没有统计学差异。在US和MG诊断一致组,US+CEUS+MG敏感度、特异度、准确度、PPV、NPV及 AUC 为 97.53%、58.76%、76.40%、66.39%、96.61%、0.781,各项相应指标高于US+MG,但无统计学差异。在US和MG诊断不一致组,US+CEUS+MG敏感度、特异度、准确度、PPV、NPV 及 AUC 为 92.06%、85.19%、87.72%、69.05%、94.85%、0.886,其中特异度、准确度、PPV及AUC高于US+MG（P<0.05）,敏感度、NPV无统计学差异。结论:CEUS的补充应用对US+MG的诊断结果的进一步评价有重要价值,可提高诊断效能并减少不必要的活检。在不同US和MG诊断类别中,CEUS的应用价值有所区别。在US+MG诊断可能恶性以及US和MG诊断不一致的病变中,CEUS是有效的补充手段,可提高鉴别诊断效能并减少不必要的活检。在US+MG诊断可能良性组及US和MG诊断一致组,CEUS的补充应用对诊断效能无明显影响,但是可增强诊断信心,将良性病变排除在进一步诊断之外。这些发现可能为CEUS的合理应用提供参考。第二部分:超声造影在乳腺病变鉴别中的应用:与假阳性和假阴性结果相关的因素目的:通过比较乳腺病变超声造影（Contrast-enhanced Ultrasound,CEUS）诊断结果与病理结果,探讨与CEUS假阳性和假阴性诊断结果相关的病变特征,以及这些特征对CEUS诊断效能的影响。方法:纳入2017年1月至2020年6月经病理证实的349个乳腺病变。所有病灶在活检或手术切除前均行乳腺X线、常规超声及CEUS检查。将CEUS结果与病理结果比较,将全部病变分为诊断正确组和诊断错误组:CEUS诊断为可能良性病理证实为良性病变的为真阴性;CEUS诊断为可能恶性病理证实的良性病变为假阳性;CEUS诊断为可能恶性病理证实为恶性的病变为真阳性,CEUS诊断为可能良性病理证实的恶性的病变为假阴性。诊断正确组和诊断错误组的计量资料采用均数±标准差表述,两组间比较采用独立样本t检验,计数资料采用频数（百分比）表述,两组间的比较采用χ2检验。单因素分析中具有统计学差异的因素进行多变量Logistic回归分析,用比值比（Odds ratio,OR）和95%置信区间来评估与CEUS诊断错误（假阳性和假阴性）结果相关的因素。分析不同因素对CEUS诊断效能的比值比（OR）。结果:349个患者共有349个乳腺病灶,良性205个,恶性144个,平均年龄（45.2±11.1）岁。CEUS 诊断的敏感度 88.19%（127/144）,特异度 73.17%（150/205）,准确度 79.36%（277/349）。良性病变的假阳性率（55/205,26.83%）高于恶性病变的假阴性率（17/144,11.81%）。在良性病变中,高危病变（20/55,36.36%）和炎性病变（11/55,20.00%）是导致假阳性诊断的主要原因。在乳腺恶性病变中,原位病变假阴性率（7/47,14.89%）高于浸润病变（10/97,10.31%）,但无统计学意义（χ2=0.497,P=0.481）,乳腺特殊类型癌囊内乳头状癌及粘液癌假阴性率均为50.00%。假阳性与真阴性病变相比,患者年龄更小（P=0.031）,病变距乳头距离（Distance to the papilla,DtP）更短（P=0.048）,合并高危病变比例更高（P=0.000）。分层分析显示,年龄≤45岁假阳性率高于年龄>45岁（OR=3.748,P=0.001）。距离乳头≤20mm的假阳性率高于距离乳头＞20mm（OR=2.747,P=0.010）。高危病变假阳性率高于非高危病变（OR=7.857,P=0.000）。多变量分析表明,年龄、DtP、病理分组与CEUS假阳性诊断结果显着相关（OR值分别为:2.284、1.285、1.895;P 值分别为:0.002、0.048、0.035）。假阴性与真阳性病变相比,患者年龄更小（P=0.046）,病变最大径线（Lesion maximum diameter,LMD）更小（P=0.000）。分层分析显示,年龄≤45岁假阴性率高于年龄>45岁（OR=3.581,P=0.014）。病变最大直径≤10mm的假阴性率高于病变最大直径>10mm（OR=12.527,P=0.000）。多变量分析表明,年龄、LMD与CEUS假阴性诊断结果显着相关（OR值分别为:1.718、2.173;P值分别为0.047、0.031）。年龄、LMD及DtP对CEUS诊断效能有显着影响。CEUS对年龄>45岁、病灶LDM>10mm、DtP>20mm的病灶诊断效能分别高于年龄≤45岁、LDM≤10 mm以及DtP≤20 mm 的病灶（OR 分别为 2.620,2.391,2.309）。结论:CEUS在乳腺病变鉴别诊断中的应用存在局限性。病变的多种临床、病理及影像特征与错误诊断相关。年龄小与假阳性和假阴性诊断均相关,较短的DtP,高危病变与假阳性诊断相关,较小的病变最大径线与假阴性诊断相关。年龄,LMD及DtP均可影响CEUS的诊断效能。明确与CEUS假阳性和假阴性诊断的相关因素,可在乳腺病变的诊断中适当使用CEUS及选择可用的替代方案,提高诊断准确度。第三部分:乳腺良性高危病变的超声造影:特征分析及诊断价值评估目的:探讨乳腺良性高危病变的超声造影（Contrast-enhanced ultrasound,CEUS）定性分析及定量分析特征,评估CEUS对高危病变诊断的应用价值。方法:对2017年1月至2020年6月在我院经病理证实的205个乳腺良性病变（其中高危病变34个,非高危病变171个）的常规超声（Ultrasound,US）、乳腺X线摄影（Mammography,MG）及CEUS检查结果进行分析。对CEUS进行定性分析及定量分析,并且根据罗葆明等提出的五分制系统进行评分（1-3分为非高危病变,4-5分为高危病变）。常规US及MG诊断均按照BI-RADS分类。根据CEUS评分调整初始US分类,调整后分类结果作为US+CEUS的联合诊断结果。US+MG及US+CEUS+MG联合诊断以US、MG及US+CEUS分类高者作为联合诊断结果。0、1、2、3类为非高危病变,4、5类为高危病变。定性指标用频数（百分比）表示,采用χ2检验比较组间差异,定量指标用均数±标准差表示,采用t检验比较组间差异。通过 ROC 曲线评估 US、MG、US+MG、CEUS、US+CEUS 及 US+CEUS+MG 对高危病变的诊断效能,并用Z检验比较曲线下面积。结果:205个乳腺良性病变中,非高危171个,高危34个。高危病变与非高危病变的多项CEUS定性及定量指标存在差异。定性指标中,高危病变高增强比例（P=0.000）、快进比例（P=0.000）、向心性增强比例（P=0.000）、增强边缘不清晰比例（P=0.004）、增强形态不规则比例（P=0.000）、增强后范围增大比例（P=0.000）和放射状灌注出现比例（P=0.000）均高于非高危病变。二者的增强均匀性（P=0.269）、环状增强（P=0.317）和灌注缺损比例（P=0.436）没有统计学差异。定量指标中,高危病变峰值强度（Peak Intensity,PI）、相对峰值强度（△PI）高于非高危病变（P分别为0.026、0.018）,相对开始增强时间（△AT）长于非高危病变（P=0.001）。US+CEUS+MG鉴别诊断的敏感度、特异度、准确度分别为94.11%,81.87%,83.90%,AUC 为 0.877,高于 US（AUC=0.411,P=000）、MG（AUC=0.665,P=0.030）、US+MG（AUC=0.437,P=0.000）及 CEUS（AUC=0.689,P=0.009）,与 US+CEUS 无明显差异（AUC=0.871,P=0.780）。结论:CEUS可评价乳腺良性高危病变与非高危病变的血管化程度差异,二者多项CEUS定性及定量指标存在统计学差异。相较于非高危病变,高危病变开始增强时间更早,速度更快,强度更高,增强后边缘不清晰、形态不规则、出现异常灌注和范围增大的比例更大。在US和MG基础上补充CEUS检查,不仅可以提高高危病变的检出,避免因低估而引起的治疗延迟,还可减少良性非高危病变不必要的活检,为临床下一步治疗提供依据。
徐珊珊[8]（2021）在《声触诊组织成像量化技术联合BI-RADS分类在乳腺良恶性病灶鉴别诊断应用》文中提出[目 的]探讨声触诊组织成像量化（VTIQ）技术联合BI-RADS分类在乳腺良恶性病灶鉴别诊断的应用价值。[方 法]选取昆明医科大学第五附属医院2019年4月至2021年2月超声检出乳腺病灶的患者152例（均为女性）,共261枚病灶,所有病灶均在术前或穿刺活检前行常规超声检查,进行BI-RADS分类后,应用VTIQ技术测量病灶SWV值并计算平均值（记为SWVmean）。以病灶的病理结果为标准,分别构建BI-RADS分类方法及VTIQ技术诊断乳腺良恶性病灶的ROC曲线,计算曲线下面积,取最大约登指数,确定VTIQ技术鉴别乳腺良恶性病灶的最佳诊断界值及其灵敏度、特异度、准确度。将所有病灶原先的BI-RADS分类结果以数值表示（3类为3,4a类为4,4b类为5,4c类为6,5类为7）,病灶的SWVmean值按VTIQ在乳腺良恶性病灶的最佳诊断界值分别记为0和1（0为<界值,1为≥界值）后,将二者数据相加,得到BI-RADS分类方法联合VTIQ技术在所有乳腺病灶诊断的联合评分。同上,以病理结果为标准,构建联合评分在乳腺良恶性病灶诊断的ROC曲线,确定其鉴别乳腺良恶性病灶的最佳诊断界值,计算其曲线下面积、诊断的灵敏度、特异度及准确度。应用χ2检验两两比较单一 BI-RADS分类方法、VTIQ技术及二者联合评分在乳腺良恶性病灶鉴别诊断的灵敏度、特异度、准确度。应用Z检验对三者鉴别诊断乳腺良恶性病灶的ROC曲线下面积进行两两比较。根据病灶最大切面直径大小,将261枚病灶分为:最大径≤1cm组（n=103）、>1cm 且<2cm 组（n=85）、≥2cm 组（n=73）,应用 Z检验比较BI-RADS分类方法、VTIQ技术及二者联合评分在各组的ROC曲线下面积。将261枚乳腺病灶分为以下亚组:（1）根据病理结果分为恶性乳腺病灶组（n=111）、良性乳腺病灶组（n=150）;（2）根据恶性乳腺病灶有无合并微钙化分为恶性乳腺病灶合并微钙化组（n=43）、恶性乳腺病灶无微钙化组（n=68）。应用t检验比较以上各亚组病灶的SWVmean差异。[结 果]（1）VTIQ技术及联合评分在乳腺良恶性病灶的最佳鉴别诊断界值分别为:5.05m/s、5分。（2）BI-RADS分类方法、VTIQ技术及二者联合评分诊断乳腺良恶性病灶的灵敏度分别为:66.7%、82.0%、98.2%;特异度分别为:91.3%、90.7%、88.7%;准确度分别为 80.8%、87.0%、92.7%;ROC 曲线下面积分别为:0.899、0.926、0.960。除单一的VTIQ技术与单一的BI-RADS分类方法在乳腺良恶性病灶诊断的ROC曲线下面积相比,差异无统计学意义（Z=1.270,P=0.204）外,其余方法在乳腺良恶性病灶鉴别诊断的灵敏度、特异度、准确度及ROC曲线下面积两两对比,差异均具有统计学意义（P<0.05）。（3）对于最大径≤1cm的乳腺病灶,VTIQ技术及联合评分在乳腺良恶性病灶鉴别诊断的ROC曲线下面积均高于单一的BI-RADS分类方法,差异具有统计学意义（P<0.05）;对于最大径>1cm且<2cm组的乳腺病灶,VTIQ技术与BI-RADS分类方法联合评分对其诊断的ROC曲线下面积均较单一的BI-RADS分类方法和单一的VTIQ技术高,差异具有统计学意义（P<0.05）;对于最大径≥2cm的乳腺病灶,BI-RADS分类方法、VTIQ技术及二者联合评分对其良恶性鉴别诊断的ROC曲线下面积均较大,两两对比差异均无统计学意义（P>0.05）。（4）恶性乳腺病灶组的SWVmean值大于良性乳腺病灶组,差异具有统计学意义（P<0.05）。（5）恶性乳腺病灶合并微钙化组的SWVmean值大于恶性病灶无微钙化组,差异具有统计学意义（P<0.05）。[结 论]（1）BI-RADS分类方法与VTIQ技术联合评分可作为超声在乳腺良恶性病灶鉴别诊断的有效指标。对于最大径≤1cm的乳腺病灶,推荐使用VTIQ技术或联合评分进行诊断;对于在最大径>1cm且<2cm范围的乳腺病灶,推荐使用联合评分对其进行鉴别诊断;对于最大径≥2cm的乳腺病灶,BI-RADS分类方法、VTIQ技术及二者联合评分均能有效鉴别其良恶性。（2）BI-RADS分类方法与VTIQ技术联合评分能提高单一 BI-RADS分类方法、VTIQ技术诊断乳腺良恶性病灶的灵敏度及准确性。（3）单一 BI-RADS分类方法及VTIQ技术在乳腺病灶鉴别诊断方面各有优势,VTIQ技术能丰富BI-RADS分类方法在乳腺良恶性病灶鉴别诊断的评价指标,结合乳腺病灶的二维超声表现特点,合理选用常规超声和VTIQ技术,对于乳腺良恶性病灶的鉴别诊断具有重要的指导价值。（4）微钙化能使恶性乳腺病灶整体硬度升高,增大良恶性乳腺病灶间的SWV值差异,有利于VTIQ技术对乳腺良恶性病灶的鉴别诊断。
刘春晖[9]（2021）在《探讨磁共振多参数联合超声弹性成像对乳腺肿块的诊断价值》文中提出目的:1.比较磁共振图像形态学特征、强化方式、时间-信号强度曲线（Time-signal intensity Curve,TIC）、表观扩散系数（Apparent diffusion coefficients,ADC）及体素内不相干运动（Intravoxel incoherent motion,IVIM）模型各参数在乳腺良恶性肿块中的差别,探讨ADC及IVIM模型参数鉴别乳腺良恶性肿块的诊断价值。2.探讨磁共振成像技术、超声弹性成像技术及二者联合对乳腺良恶性肿块的鉴别诊断价值。方法:1.收集经手术切除并由病理证实的乳腺肿块患者109例（共121个肿块）。患者术前接受常规磁共振动态增强扫描（Dynamic contrast enhancement of magnetic resonance imaging,DCE-MRI）及IVIM扫描,分析记录DCE-MRI检查中病变的形态学特征、强化方式及TIC曲线,使用GE ADW 4.6工作站对图像进行后处理,获得D、D*、f和ADC等参数值。获得不同参数的受试者工作特征曲线,评价各参数的诊断价值。2.获得收集的109例患者（共121个肿块）的超声弹性成像（Ultrasonic elastography,UE）评分及磁共振（Magnetic resonance image,MRI）诊断结果（BI-RADS分类）,以术后的病理结果为金标准,计算UE、MRI单独及二者联合的敏感性、特异性、阳性预测值及阴性预测值等,绘制每一种方法诊断乳腺肿块的受试者工作特征曲线（Receiver operating characteristic curve,ROC）,并得出ROC曲线下面积（Area under the ROC,AUC）,分析三种诊断方法对乳腺肿块的诊断价值。结果:1.常规磁共振图像结果:在恶性组中,80.00%的肿块表现为形态不规则或呈分叶状,88.33%的肿块表现为边缘不规则或者有毛刺,60.00%的肿块表现为不均匀的强化,96.67%的肿块TIC曲线呈现出平台型或流出型;在良性组中,86.89%的肿块表现为类圆形,68.85%的肿块表现为边缘光滑,81.89%的肿块强化方式表现为均匀强化,63.93%的肿块TIC曲线病变呈流入型。2.在乳腺良、恶性肿块之间,ADC、D、f值差异有统计学意义（P<0.001）,而D*值在乳腺良、恶性肿瘤间的数值差异无统计学意义（P>0.05）。ADC、D、f值诊断乳腺肿块AUC分别为0.899、0.923、0.778。根据约登指数对ADC、D、f值进行判断,得出诊断的最佳截断值分别为0.701×10-3mm2/s、0.769×10-3mm2/s、0.507。3.UE、MRI单独和联合诊断结果:二者联合诊断的敏感性最高,为98.3%;MRI单独诊断的特异性最高,为93.4%;MRI单独诊断的AUC最高,为0.934,稍高于二者联合（0.910）,但差异不具有统计学意义（P>0.05）,明显高于UE（0.859）,差异具有统计学意义（P<0.05）。二者联合诊断后的AUC高于UE单独诊断,差异具有统计学意义（P<0.05）。结论:1.磁共振图像形态学特征、强化方式、TIC曲线在乳腺良恶性肿瘤中均有一定的差异。在IVIM模型参数中,ADC、D和f值在乳腺良恶性肿块中均有较好的鉴别诊断价值。2.超声弹性成像技术和磁共振成像技术对乳腺肿块的良恶性鉴别方面均有一定的诊断价值,其中磁共振成像技术的诊断价值最高,而二者联合能够提高对乳腺良恶性肿块鉴别诊断的敏感性。
张书还[10]（2021）在《基于超声深度学习模型在乳腺BI-RADS 4类病变中预测乳腺癌的价值》文中研究指明[目 的]以乳腺癌术后病理结果为金标准,以超声图像主观特征和基于不同的深度学习模型及百度大脑开放平台图像处理后的数据为基础,探讨乳腺BI-RADS 4类肿块在不同的深度学习模型、百度大脑开放平台（EasyDL）以及运用列线图建立乳腺超声相关模型预测乳腺癌的价值。[方 法]1回顾性收集2019年01月—2019年12月于昆明医科大学第三附属医院接受乳腺癌切除术女性患者超声图像17231张（2578例）,所有患者经严格筛选后,获得患者的年龄、初潮年龄、一级家族史、术前超声图像、描述性报告和术后病理资料。所有病例经过纳入标准、排除标准及图像预处理后,本研究纳入标准的研究对象为717张乳腺超声肿瘤图像,共计260例患者。2由两名从事乳腺超声诊断≥10年的超声医师独立通过乳腺超声图像的各项特征对良恶性进行分类评估,意见不统一时由1名主任医师最后决定。根据2019年版的《中国抗癌协会乳腺癌诊治指南与规范》对乳腺肿块的评估,本次研究纳入的评估内容包括:肿块的形状、纵横比、边界、边缘、回声模式、病灶后方回声、周围组织和钙化。由计算机随机抽取30名患者,由两位医师对其进行评估,利用Kappa检验对两位医师的一致性进行评价。3建立深度学习模型。选择ResNet18、ResNet34、ResNet50及ResNet101作为本次研究的预训练模型,按照步骤分为以下几步建模:数据准备、数据扩充和增强、数据加载、迁移学习、训练、验证、测试。百度大脑（EasyDL）模型则通过平台训练、验证、测试完成专属模型的构建。4将所有病例的形状、纵横比、边界、边缘、回声模式、病灶后方回声、周围组织和钙化纳入多元Logistic回归分析进行筛选,用R语言把比较有统计学差异的乳腺超声特征纳入并建立单一医师主观评估列线图预测模型。5将所有病例的年龄、初潮年龄、一级家族史纳入多元Logistic回归分析进行筛选,将筛选出来的有统计学意义的临床危险因素,结合上述具有统计学意义的乳腺超声特征建临床危险因素一医师主观评估列线图预测模型。6将深度学习模型对每一张超声图像的真实结果、预测结果及预测概率导出,由两名医师结合预测结果最好的深度学习模型对随机抽取的30张图像进行结局（良性/恶性）预测,联合筛选出的最优医师主观评估模型得出深度学习—医师主观评估联合模型。7为全部8个模型绘制ROC曲线,得出AUC、准确率、精确率、灵敏度、特异度、阴性预测值、阳性预测值、召回率、F1值及Kappa值,绘制校准曲线和DCA曲线分别评价预测模型的预测性能及临床实用性。最后将各模型进行比较。[结 果]1 一般资料:260例（717张乳腺超声图像）因乳腺肿块首诊、超声分类为BI-RADS 4类且有明确病理结果的患者,其中病理结果为良性的患者154例（154/260,59.2%）,恶性的患者106例（106/260,40.8%）,病理结果为良性的患者中BI-RADS 4A、4B及4C类的患者分别有113例、28例、13例,病理结果为恶性的患者中BI-RADS 4A、4B及4C类的患者分别有36例、41例、29例,其中医师判断正确的BI-RADS4A、4B及4C类病变的分别有119例、47例、29例,判断错误的分别有30例、5例、13例;良性患者的病理类型为纤维腺瘤83例、乳腺病（包括硬化性腺病）40例、导管内乳头状瘤18例、急慢性炎伴肉芽肿性小叶性乳腺炎10例、良性叶状肿瘤2例、纤维—肌纤维母细胞来源肿瘤1例,恶性患者的病理类型为浸润性导管癌79例、导管内原位癌24例、黏液癌3例;入组患者平均年龄（45.14±9.80）岁,其中病理结果为良性的患者平均年龄（41.96±8.66）岁,恶性患者平均年龄（49.76±9.56）岁;良性与恶性两组间年龄比较差异有统计学意义（P<0.05）。入组患者初潮平均年龄（13.64±1.72）岁,其中病理结果为良性的患者初潮平均年龄（13.68±1.50）岁,恶性患者初潮平均年龄（13.58±2.00）岁;良性与恶性两组间初潮年龄比较差异无统计学意义（P>0.05）。入组患者中无恶性肿瘤家族史患者共236例（90.8%）,有1位一级恶性肿瘤家族史患者23例（8.8%）,大于1位一级恶性肿瘤家族史患者1例（0.4%）;其中病理结果为良性的患者中无恶性肿瘤家族史患者149例（96.8%）,有1位一级恶性肿瘤家族史患者5例（3.2%）,大于1位一级恶性肿瘤家族史患者0例（0%）;恶性的患者中无恶性肿瘤家族史患者87例（82.1%）,有1位一级恶性肿瘤家族史患者18例（17.0%）,大于1位一级恶性肿瘤家族史患者1例（0.9%）,该患者的母亲、一个姐姐及一个妹妹均患乳腺癌;良性与恶性两组间一级家族史比较差异有统计学意义（P<0.05）。入组患者的临床危险因素中良恶性两组间差异具有统计学意义的指标为患者年龄及一级家族史（P<0.05）。2乳腺超声图像特征差异性比较:入组患者的乳腺超声图像特征中良恶性两组间差异具有统计学意义的指标为形状、纵横比、边界、边缘、内部回声、病灶后方回声及钙化（P<0.05）。3两位医师主观评估一致性检验:两位医师对随机抽取的30位患者的乳腺肿块超声特征主观评估进行一致性检验,结果显示,只有在乳腺肿块“内部回声”是否均匀上不具有一致性,其他指标均具有一致性。其中一致性很好的超声特征为:病灶后方回声;一致性较好的超声特征为:形状,边界,边缘以及钙化;一致性中等的超声特征为周围组织侵犯,纵横比。4建立单一医师主观评估模型和临床危险因素—医师主观评估模型:对构建Logistic多因素回归模型的特征进行筛选,筛选出有统计学意义的超声特征指标为:纵横比、边界、病灶后方回声及钙化（P<0.05）,筛选出有统计学意义的临床危险因素指标为:年龄、一级家族史。通过构建Logistic多因素回归模型,运用R语言建立单一医师主观评估模型和临床危险因素—医师主观评估模型。就两个模型的ROC曲线来看,单一医师主观评估模型的AUC为0.809,灵敏度为81.25%,特异度为92.93%,模型预测准确率82.31%;临床危险因素—医师主观评估模型的AUC为0.845,灵敏度为81.31%,特异度为87.58%,模型预测准确率85.00%,两个模型预测性能均较好,但临床危险因素—医师主观评估模型更具有说服力;就两个模型的校准曲线来看,两个模型均具有较好的预测能力,但单一医师主观评估模型的预测值与观察值有更好的重合性,该预测模型准确率更高。就两个模型的DCA曲线来看,模型的曲线（probility）均高于极值曲线（All与None）,说明两个模型均具有临床应用价值,但临床危险因素—医师主观评估模型的曲线较单一医师主观评估模型更高,体现了更高的临床应用价值。5建立深度学习—医师主观评估联合模型:将ResNet50和临床危险因素—医师主观评估模型联合建立深度学习—医师主观评估联合模型。6比较各模型的预测性能:各深度学习模型ResNet18、ResNet34、ResNet50、ResNet101、单一医师主观评估模型、临床危险因素—医师主观评估模型、深度学习—医师主观评估联合模型的AUC值分别为:0.748、0.851、0.856及0.767、0.809、0.849、0.90;准确率（%）分别为:76.85、86.19、86.89、78.24、82.31、85.00、90.00;精确率（%）分别为:88.78、92.44、94.39、87.56、73.59、82.08、86.67;灵敏度（%）分别为:75.21、84.79、84.50、77.37、81.25、81.31、92.86;特异度（%）分别为:80.26、88.52、91.12、79.84、85.00、82.93、87.58、87.50;阳性预测值（%）分别为:88.78、92.44、94.39、87.56、73.59、82.08、86.67;阴性预测值（%）分别为:60.91、77.85、76.87、65.80、88.31、87.01、93.33;召回率（%）分别为:75.21、84.79、84.50、77.37、81.80、81.25、81.31、92.86;F1 值（%）分别为:81.43、88.45、89.17、82.15、81.60、77.23、81.69、89.66;Kappa 值分别为:0.512、0.714、0.727、0.546、0.628、0.690、0.800;EasyDL的准确率（%）为82.30,精确率（%）为81.50,灵敏度（%）为78.00,特异度（%）为 85.00,召回率（%）为 81.80,F1 值（%）为 81.60。7深度学习—医师主观评估联合模型的AUC最高（AUC=0.900）,表明该模总体型预测能力最好,其次预测能力较好的是ResNet50（AUC=0.856）;深度学习—医师主观评估联合模型的灵敏度最高（92.86%）,特异度较好（87.50%）,该模型漏诊率最低;ResNet50的特异度最高（91.12%）,灵敏度中等（84.50%）,该模型误诊率最低;深度学习—医师主观评估联合模型的在所有模型中准确率最高（90.00%）;列线图模型中准确率最高的是临床危险因素—医师主观评估模型（85.00%）;深度学习模型中准确率最高的是ResNet50（86.89%）。ResNet 50的阳性预测值最高（94.39%）,该模型正确预测恶性病例的效能最高;深度学习—医师主观评估联合模型的阴性预测值最高（93.33%）,该模型正确预测良性病例的效能最高。ResNet 50的精确率最高（94.39%）,该模型在所有预测结果中正确预测良恶性病变效能最好。深度学习—医师主观评估联合模型的召回率最高（92.86%）,该模型在实际预测结果中正确预测良恶性病变效能最好。深度学习一医师主观评估联合模型的F1值和Kappa值最高（89.66%,0.800）,该模型预测分类的精度最好。百度大脑（EasyDL）的每组数据就总体而言没有最差的指标,基本达到了深度学习模型的要求。[结 论]1相较于医师主观评估模型及临床危险因素—医师主观评估模型,基于超声深度学习模型在乳腺BI-RADS 4类病变中对乳腺癌的预测有一定价值,可以提高乳腺癌预测的灵敏度,并作为常规乳腺超声筛查的有效补充,有一定的临床应用价值。2列线图相较于传统Logistic回归分析方程具有更强的可读性,在对结局进行预测时体现了较好的预测效能。3虽然本次研究针对深度学习的数据量在理论上应该更多,但是在数据量较少的情况下也获得了较高的准确率,若继续提高数据量,则模型的预测效能还将有更好地体现,证明ResNet深度学习模型适用于超声图像进行图像分类的应用。4百度大脑（EasyDL）平台针对图像分类目前具有非常完善的功能,在本次研究中数据量较少且平台免费的配置环境下,可以获得与ResNet相媲美的准确率,证明EasyDL可以为基层地区、初级学习者或零AI基础的需求者提供可靠的AI平台,可以满足不同需求的人个性化自主制定自己的AI模型。5虽然人工智能是目前医学研究中的热点和焦点,但是在AI的研究和应用中,人在其中的地位是不可替代的,应该辩证的看待人工智能与临床实践的关系,这样才能更好的将未来掌握在人类自己手中。
二、超声诊断乳腺癌的价值及误诊分析（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、超声诊断乳腺癌的价值及误诊分析（论文提纲范文）
（1）乳腺癌早期诊断中乳腺超声检查的漏诊、误诊病例特征及影响因素的回顾性分析（论文提纲范文）
| 1 资料与方法 |
| 1.1 一般资料 |
| 1.2 方法 |
| 1.3 统计学处理 |
| 2 结 果 |
| 2.1 乳腺超声检查漏诊、误诊病例特征分析 |
| 2.2 89例漏诊患者不同病理类型血流分布比较 |
| 2.3 39例乳腺癌误诊为其他疾病的患者不同病理类型血流分布比较 |
| 2.4 39例乳腺癌误诊为其他疾病的患者乳腺超声检查图像分析 |
| 2.5 乳腺癌早期诊断中应用乳腺超声检查漏诊的影响因素分析 |
| 2.6 乳腺癌早期诊断中应用乳腺超声检查误诊的影响因素分析 |
| 3 讨 论 |
（2）乳腺超声辅助筛查乳腺癌患者的诊断价值（论文提纲范文）
| 资料与方法 |
| 结果 |
| 讨论 |
（3）乳腺癌早期筛查应用乳腺超声的漏诊、误诊病例特征及相关危险因素分析（论文提纲范文）
| 1 资料与方法 |
| 1.1 研究对象 |
| 1.2 方法 |
| 1.3 统计学处理 |
| 2 结果 |
| 2.1 乳腺超声诊断的漏诊、误诊病例特征分析 |
| 2.2 乳腺癌早期筛查应用乳腺超声诊断的漏诊、误诊单因素分析 |
| 2.3 乳腺癌早期筛查应用乳腺超声诊断的漏诊、误诊多因素Logistic回归分析 |
| 3 讨论 |
（4）彩色多普勒超声 超声弹性成像及X线钼靶检查在健康体检妇女乳腺癌筛查中的方案优化（论文提纲范文）
| 1 资料与方法 |
| 1.1 资料来源 |
| 1.2 方法 |
| 1.2.1 X线钼靶检查及判断标准 |
| 1.2.2 彩色多普勒超声检查及判断标准 |
| 1.2.3 超声弹性成像及检查及诊断标准 |
| 1.2.4 观察指标 |
| 1.3 统计学分析 |
| 2 结果 |
| 2.1 病理检查及影像学检查结果 |
| 2.2 X线钼靶检查、CDUs及UE检查良恶性结果 |
| 2.3 CDUs、UE及X线钼靶不同筛查方案诊断乳腺癌四格表分析 |
| 3 讨论 |
（5）特殊类型乳腺癌的超声误诊分析（论文提纲范文）
| 1 病例资料 |
| 2 讨论 |
| 2.1 妊娠哺乳期乳腺癌(pregnancy associated breast cancer, PABC) |
| 2.2 乳腺黏液腺癌(mucinous breast carcinoma, MBC) |
| 2.3 乳腺浸润性小叶癌 |
| 2.4 乳腺Paget's病 |
（6）超声造影在乳腺病变良恶性鉴别中的价值（论文提纲范文）
| 中文摘要 |
| Abstract |
| 前言 |
| 中英文缩略词对照表 |
| 第1章 引言 |
| 第2章 资料与方法 |
| 2.1 临床资料 |
| 2.2 仪器与方法 |
| 2.3 统计学分析 |
| 第3章 结果 |
| 3.1 病理诊断结果 |
| 3.2 三种超声诊断方法与病理诊断的对照分析 |
| 第4章 讨论 |
| 第5章 结论 |
| 参考文献 |
| 综述 超声新技术鉴别乳腺病变良恶性的研究进展 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表学术论文与研究成果 |
（7）超声造影在乳腺病变诊断中的应用价值及影响因素探讨（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 先进性与创新性 |
| 符号说明 |
| 第一部分 超声造影对乳腺病变常规诊断的补充应用价值评估 |
| 前言 |
| 材料与方法 |
| 结果 |
| 讨论 |
| 结论 |
| 附图 |
| 附表 |
| 第二部分 超声造影在乳腺病变鉴别中的应用：与假阴性和假阳性结果相关的因素 |
| 前言 |
| 材料与方法 |
| 结果 |
| 讨论 |
| 结论 |
| 附图 |
| 附表 |
| 第三部分 乳腺良性高危病变的超声造影：特征分析及诊断价值评估 |
| 前言 |
| 材料与方法 |
| 结果 |
| 讨论 |
| 结论 |
| 附图 |
| 附表 |
| 综述 乳腺超声新技术的应用价值及局限性 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
| 学位论文评阅及答辩情况表 |
| 英文论文1 |
| 英文论文2 |
（8）声触诊组织成像量化技术联合BI-RADS分类在乳腺良恶性病灶鉴别诊断应用（论文提纲范文）
| 缩略词表 |
| 中文摘要 |
| ABSTRACT |
| 前言 |
| 材料与方法 |
| 1 临床资料 |
| 2 仪器与方法 |
| 3 诊断标准 |
| 4 统计学方法 |
| 结果 |
| 讨论 |
| 结论 |
| 本研究局限性 |
| 参考文献 |
| 综述 声触诊组织成像定量技术(VTIQ)及BI-RADS分类在乳腺良恶性病灶鉴别诊断的应用价值 |
| 参考文献 |
| 攻读学位期间获得的学术成果 |
| 致谢 |
（9）探讨磁共振多参数联合超声弹性成像对乳腺肿块的诊断价值（论文提纲范文）
| 摘要 |
| Abstract |
| 主要英文缩略词表 |
| 前言 |
| 材料与方法 |
| 1.1 研究对象 |
| 1.2 主要设备 |
| 1.3 检查方法与步骤 |
| 1.4 图像后处理 |
| 1.5 统计学分析 |
| 结果 |
| 2.1 一般资料 |
| 2.2 DCE-MRI特征 |
| 2.3 ADC值、IVIM-DWI各参数在乳腺良恶性肿块的差异 |
| 2.4 ADC值、IVIM-DWI各参数诊断价值 |
| 2.5 三种诊断方法的诊断价值 |
| 讨论 |
| 3.1 磁共振多参数对乳腺肿块的诊断价值 |
| 3.2 磁共振成像与超声弹性成像对乳腺肿块的诊断价值 |
| 3.3 本研究的不足之处 |
| 结论 |
| 参考文献 |
| 综述 乳腺癌影像学检查技术的应用现状 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 导师评阅表 |
（10）基于超声深度学习模型在乳腺BI-RADS 4类病变中预测乳腺癌的价值（论文提纲范文）
| 缩略词表 |
| 中文摘要 |
| abstract |
| 前言 |
| 材料与方法 |
| 结果 |
| 讨论 |
| 结论 |
| 参考文献 |
| 综述 人工智能联合超声在乳腺癌中的应用现状分析 |
| 参考文献 |
| 攻读学位期间获得的学术成果 |
| 致谢 |
四、超声诊断乳腺癌的价值及误诊分析（论文参考文献）
- [1]乳腺癌早期诊断中乳腺超声检查的漏诊、误诊病例特征及影响因素的回顾性分析[J]. 周敏,朱峰,王小燕,何小芳. 实用临床医药杂志, 2021(24)
- [2]乳腺超声辅助筛查乳腺癌患者的诊断价值[J]. 刘方智,邱振华,刘可馨,张晓英. 中国肿瘤临床与康复, 2021(09)
- [3]乳腺癌早期筛查应用乳腺超声的漏诊、误诊病例特征及相关危险因素分析[J]. 宋玉娟,刘胜,刘美华,朱丽娜. 影像科学与光化学, 2021(05)
- [4]彩色多普勒超声 超声弹性成像及X线钼靶检查在健康体检妇女乳腺癌筛查中的方案优化[J]. 车凌祥,黄晴. 中国妇幼保健, 2021(14)
- [5]特殊类型乳腺癌的超声误诊分析[J]. 王惠,董磊,张彦,崔娜. 临床误诊误治, 2021(06)
- [6]超声造影在乳腺病变良恶性鉴别中的价值[D]. 谭志凤. 大理大学, 2021(09)
- [7]超声造影在乳腺病变诊断中的应用价值及影响因素探讨[D]. 徐平. 山东大学, 2021(12)
- [8]声触诊组织成像量化技术联合BI-RADS分类在乳腺良恶性病灶鉴别诊断应用[D]. 徐珊珊. 昆明医科大学, 2021(01)
- [9]探讨磁共振多参数联合超声弹性成像对乳腺肿块的诊断价值[D]. 刘春晖. 石河子大学, 2021(02)
- [10]基于超声深度学习模型在乳腺BI-RADS 4类病变中预测乳腺癌的价值[D]. 张书还. 昆明医科大学, 2021(01)