人工智能(AI)技术在甲状腺结节超声诊断应用中的评价

目录

声明

英文缩略语

前言

材料与方法

1 研究对象及检查方法

1.1 研究对象

1.2 甲状腺结节纳入及排除标准

1.3 超声检查仪器与检查方法

2 甲状腺结节TI-RADS分类

2.1 甲状腺结节超声征象

2.2 TI-RADS分类标准及结果判定

3 甲状腺AI诊断系统

3.1 AmCAD-UT Detection系统

3.2 AI-SONICTM Thyroid系统

4 AmCAD-UT Detection、AI-SONICTM Thyroid在甲状腺结节诊断中的诊断效能及影响因素的评价方法

4.1 不同大小甲状腺结节对诊断效能的影响

4.2 不同图像质量对甲状腺结节诊断效能的影响

4.3 不同年资医师与AmCAD-UT Detection、AI-SONICTM Thyroid诊断效能的对比

5 病理诊断

6 统计学分析

结果

1 甲状腺结节的临床和病理结果

2.1 甲状腺结节医师FJUN TI-RADS分类结果

2.2 甲状腺结节AmCAD系统分析结果

2.3 甲状腺结节AI-SONIC TI-RADS分类分析结果

2.4 不同检查方法对甲状腺结节的诊断效能

3 AmCAD-UT Detection、AI-SONICTM Thyroid在甲状腺结节诊断中不同分组结果

3.1 不同最大径的结节在不同检查方法中的诊断效能

3.2 不同图像质量的结节在不同检查方法中的诊断效能

3.3 不同甲状腺结节AI诊断系统在不同年资的医师组中的诊断效能的比较

讨论

1. 医师 FJUN TI-RADS分类诊断效能及影响因素

2 甲状腺结节AI辅助诊断系统、医师FJUN TI-RADS系统之间诊断效能的比较

2.1 AmCAD-UT Detection系统基于FJUN TI-RADS分类、ACR TI-RADS分类比较

2.2 AI-SONICTM Thyroid系统与AmCAD-UT Detection系统比较

2.3 甲状腺结节AI辅助诊断系统与医师的诊断效能比较

3 甲状腺结节AI辅助诊断系统对不同大小结节的诊断效能

4 甲状腺结节AI辅助诊断系统对图像质量的依赖

5 AmCAD-UT Detection系统恶性征象选择的必要性

6 AI-SONICTM Thyroid系统漏诊结节原因分析

结论

参考文献

综述:人工智能在甲状腺结节超声诊断中的研究现状

1 人工智能

2 医学人工智能

3 甲状腺结节的超声诊断

4 人工智能在甲状腺结节诊断中的应用

5 人工智能在甲状腺结节诊断的展望

参考文献

致谢