超声人工智能联合高频超声对乳腺结节良恶性的鉴别诊断价值分析

摘要

目的 探讨超声人工智能联合高频超声(HFU)对乳腺结节(BN)良恶性的鉴别诊断价值，以期为临床早期鉴别诊断提供参考。方法 回顾性收集2021年10月至2025年5月上蔡县人民医院就诊的80例BN患者临床资料，入院后均接受HFU及超声人工智能检查，以病理学诊断结果作为“金标准”，比较HFU、超声人工智能联合HFU对BN良恶性的诊断效能，并比较其对不同恶性BN大小的检出率及BN特征的诊断结果。结果 经病理学诊断结果显示，80例BN患者中，恶性52例，良性28例；经HFU诊断结果显示，恶性44例，良性36例；经超声人工智能联合HFU诊断结果显示，恶性51例，良性29例；超声人工智能联合HFU对乳腺结节良恶性的诊断灵敏度为96.15%、准确度为96.25%，高于HFU的诊断灵敏度80.77%、准确度85.00%，超声人工智能联合HFU漏诊率为3.85%、，低于HFU的漏诊率19.23%，阴性预测值为93.10%，高于HFU的阴性预测值72.22%(P<0.05)；超声人工智能联合HFU对<5mm的恶性乳腺结节检出率为90.00%，显著高于HFU的30.00%(P<0.05)；超声人工智能联合HFU与HFU对BN形状、方向、边缘、内部回声、病灶内钙化的诊断结果比较，差异无统计学意义(P > 0.05)。结论 超声人工智能联合HFU可有效提高BN良恶性诊断准确性，为临床早期鉴别诊断提供参考。

关键词

乳腺结节 / 高频超声 / 超声人工智能 / 诊断价值