彩色多普勒超声在乳腺良恶性肿瘤诊断中的应用效果研究

于乳腺良恶性肿瘤临床诊断中采取彩色多普勒超声检查,分析此检查手段所发挥的作用。研究对象为2015年12月～2018年12月期间在镇原县第一人民医院就诊且确诊为乳腺肿瘤的172例女性患者,均接受彩色多普勒超声检查,将其诊断率与手术以及病理学进行对比,此外进行乳腺良恶性肿瘤超声声像图、血流检测结果对比。彩色多普勒超声检查诊断率与手术以及病理学检查结果比较,差异无统计学意义(P0.05),且乳腺良恶性肿瘤误诊率比较,差异无统计学意义(P0.05);良性肿瘤患者检查结果其形态规则率高、肿瘤包膜完整率高、内部回声均匀率高、存在钙化灶率低、探头加压变形率高,差异有统计学意义(P0.05);乳腺良恶性肿瘤血流检测结果比较,差异有统计学意义(P0.05)。彩色多普勒超声通过声像图、血流情况等相关检查为乳腺良恶性肿瘤鉴别提供更加可靠的依据,且其诊断率甚是理想,亦可将其作为早期乳腺恶性肿瘤普查的有效影像学手段。     

超声在乳腺内钙化灶诊断中的作用

目的探讨超声评估乳腺内钙化灶对乳腺肿块良恶性判断的重要价值.方法选择通过超声检查发现有钙化灶的84例乳腺疾病患者资料,重点观察钙化灶的大小及数目、分布、形态特点,同时常规观察肿瘤的形态及边界、内部回声、检测结果与病理资料,进行数据分析.结果通过检测,有钙化灶的84例乳腺疾病患者中合并肿块者77例,单独发生者7例.病理结果提示恶性肿瘤有36例,良性疾病有48例.恶性肿瘤主要是浸润性导管癌,良性主要以纤维腺瘤居多;恶性肿瘤以簇状钙化居多,良性以斑块状钙化为主.结论乳腺内钙化灶检出率以及钙化灶判断准确性的提高对乳腺疾病良恶性的诊断和鉴别具有重要价值.     

常规超声、实时组织弹性成像及应变率比值弹性成像鉴别诊断乳腺结节的比较研究

为探讨常规超声(US)、实时组织弹性成像(UE)及应变率比值弹性成像(SR)在乳腺结节良恶性鉴别诊断中的应用价值。采用回顾性分析95个乳腺结节的US、UE及SR图像方法。常规超声采用BI-RADS分类判断结节性质,UE采用5级评分法判断结节性质,SR测量结节与周围同一水平乳腺的应变率比值,利用ROC曲线比较常规超声、UE、SR的曲线下面积(AUC),判定诊断效能。结果显示,常规超声判断乳腺结节良恶性的敏感度、特异度、准确度分别为:81.7%(49/60)、80.0%(28/35)、81.1%(77/95)。UE判断乳腺结节良恶性的敏感度、特异度、准确度、分别为:86.7%(52/60)、80.0%(28/35)、84.2%(80/95)。良、恶性结节的SR平均值分别为(2.49±0.81)、(3.53±0.95),以3.14作为诊断良恶性结节的最佳截断值时,SR判断乳腺结节良恶性灵敏度、特异度、准确性分别为93.3%(56/60)、91.4%(32/35)、92.6%(88/95);US、UE、SR诊断乳腺良、恶性结节的曲线下面积AUC分别为0.808,0.833,0.924,差异有统计学意义(P=0.000)。由此可知,US、UE及SR均有助于鉴别诊断乳腺良、恶性结节,UE优于US,SR优于UE及US。     

基于超声射频信号的特征融合方法对乳腺肿瘤良恶性诊断的价值

为实现对乳腺肿瘤良恶性的高效判别，本文尝试从原始超声射频(Radio Frequency, RF)信号构建融合模型。首先从RF信号提取16种超声特征参数组成特征图图谱。构建高性能卷积网络用于提取多特征图的深度学习特征，并与多特征图的传统组学特征拼接融合；然后进行特征筛选、训练支持向量机模型。实验结果发现，基于支持向量机的特征融合模型在乳腺肿瘤的良恶性诊断中性能优良，测试集的受试者操作特性曲线下的面积、准确率、灵敏度和特异度分别达到：0.992、91.3%、92.3%和90.0%。在本文数据集上，使用RF信号比超声灰阶图像能更高效地实现乳腺恶性肿瘤的识别。与单一使用深度学习特征相比，融合传统组学特征后，乳腺肿瘤良恶性鉴别性能显著提升。     

彩超诊断乳腺肿块的临床分析

目的 探讨彩色多普勒超声乳腺肿块的诊断价值.方法 对经手术和病理证实的45例乳腺肿块的彩超结果进行分析诊断.结果 9例为恶性肿瘤,36例为良性肿瘤,其中2例误诊为恶性.结论 彩超通过观察乳腺肿瘤的二维声像图特征和彩色血流频谱对于其良恶性的诊断和鉴别诊断可提供准确的诊断依据.     

乳腺超声图像序列的弹性特征病变分析

在乳腺肿瘤超声诊断中,医师通过手工缓慢加压形成一个超声图像序列.针对乳腺肿瘤病例的单一图像进行识别,存在被干扰而改变的特征,而且不能反映特征在序列中的变化情况.临床研究也显示,乳腺超声图像序列之间的特征变化是判别其良恶性的一个重要指标.针对这个问题,基于手工加压程度变化的评估,提出了5个新型的基于弹性的归一化特征参数,并且联合形态和纹理特征,综合进行病变分析.SVM分类器实验表明,这种方法能够有效地识别肿瘤良恶性,为医师诊断提供必要的辅助诊断信息.     

基于ABUS冠状面图像的乳头位置自动检测算法

乳腺疾病发生在以乳头为中心划分的区域中,乳头的准确定位对乳腺疾病的诊断具有重要的临床意义.提出一种基于自动化三维乳腺超声(ABUS)冠状面图像的乳头位置自动检测算法.首先采用图像掩模提取感兴趣区域(ROI);然后对ROI进行图像预处理操作以提高目标区域识别的精确度和运算效率;最后通过霍夫变换圆检测和排除误判圆操作获得乳头的圆心坐标和半径.结果表明:本算法能有效检测到乳头位置,且检测准确率可达94.7%.     

BP神经网络在CESM强化密度及乳腺癌诊断中的研究分析

将穿刺活检或手术病理结果分析得到的乳腺肿瘤性质作为对比标签值,在χ~2检验的基础上,采取交叉验证确定超参数、独热编码处理输入信号等方法,使用Tensorflow深度学习框架建立两个BP神经网络,分别为不剔除交叉列联分析中χ~2值最小的强化密度属性的三输入信号网络与剔除该属性的两输入信号网络,利用两个网络分别对乳腺肿瘤性质进行诊断研究。通过对两个网络准确度、敏感度以及特异度的对比研究,发现强化密度对恶性肿瘤的检出率较高,引入强化密度的三输入信号网络模型为最佳模型;最佳模型与CESM检查技术结合的诊断精度可达95.77%;乳腺良、恶性肿瘤诊断最佳模型中敏感度与特异度的ROC曲线显示,最佳诊断参考点为(0.978,0.949)。     

融合双边滤波算子的多相水平集图像分割算法

由于乳腺肿瘤超声图像的边界模糊,且灰度异质现象较严重,准确分割出肿瘤区域是一项具有挑战性的工作.针对传统的Chan-Vese模型和局部二值拟合模型(local binary fitting)的分割缺陷,在乳腺肿瘤超声图像的全局和局部能量信息的基础上,结合双边滤波算子,提出一种全局和局部二值拟合模型的多相水平集分割算法.首先,将双边滤波算子作为乳腺肿瘤超声图像的核函数;然后,根据变分法求解表征超声图像结构信息的能量泛函,得到对应的梯度矢量方程;随后,引入多相水平集函数实现病灶区域的多区域细化分割;最后,对乳腺超声图像数据集的分割实验.结果 发现:经过与医生手动标记的肿瘤区域进行对比,分割准确度为94.51％.可见,该模型的准确度较高、误判率较低、鲁棒性较强.     

彩超诊断乳腺肿块的临床分析

目的探讨彩色多普勒超声乳腺肿块的诊断价值。方法对经手术和病理证实的45例乳腺肿块的彩超结果进行分析诊断。结果9例为恶性肿瘤,36例为良性肿瘤,其中2例误诊为恶性。结论彩超通过观察乳腺肿瘤的二维声像图特征和彩色血流频谱对于其良恶性的诊断和鉴别诊断可提供准确的诊断依据。     

基于双侧TIC定量特征的乳腺肿瘤良恶性鉴别

基于DCE-MRI提出了一种利用双侧乳腺对称区域的TIC定量特征识别乳腺肿瘤良恶性的方法.使用三维区域生长算法提取乳腺的病灶区,基于病灶区及其对侧乳腺对应的ROI的TIC曲线分别提取29个特征,并定义双侧差异特征参数,经SFFS方法筛选后得到7个有效特征.使用SVM进行特征训练,基于交叉验证方法得到分类结果.本研究随机选取回顾性病例112例(良性67例,恶性45例),得到肿瘤良恶性平均分类准确率为88.39%.实验结果表明:此方法对乳腺肿瘤的良恶性鉴别有较高的准确率,对辅助医生进行乳腺病变组织的良恶性鉴别具有重要价值.     

基于多特征I-Vector的说话人识别算法

针对单一声学特征无法精准高效地辨识说话人身份的问题,提出了一种基于多特征I-Vector的说话人识别算法.该算法首先采集不同的声学特征并将其构成一个高维特征向量,然后通过主成分分析法有效地剔除高维特征向量的关联,确保各种特征之间正交化,最后采用概率线性判别分析进行建模和打分,并在一定程度上降低空间维度.在TIMIT语料库上利用Kaldi进行实验,算法运行结果表明,该算法较当前流行的基于I-Vector的单一梅尔频率倒谱系数和感知线性预测系数的特征系统在等错误率上分别提高了8.18%和1.71%,在模型训练时间上分别减少了60.4%和47.5%,具有更好的识别效果和效率.     

超声弹性成像在BI-RADS Ⅲ级乳腺病变中的诊断价值

目的探讨超声弹性成像对BI-RADSⅢ级乳腺病变的临床诊断价值.方法选择137例患者的156个BIRADSⅢ级病灶,同时行超声弹性成像检查,依据TES超声弹性成像评分标准行弹性评分.结果 156个乳腺病灶中,恶性病灶为7个(4.49%),良性病灶为149个(95.51%).弹性成像4,5分组(高风险组)恶性发病率为11.76%(4/34),与总发病率比较显著增高(P0.05),弹性成像1,2,3分组(低风险组)恶性发病率为2.46%(3/122).弹性成像的敏感性为57.14%,特异性为79.87%,阳性预测值和阴性预测值分别为11.76%和97.54%.结论超声弹性成像能够为BI-RADSⅢ级病灶提供额外的诊断信息,使检查者鉴别出需要立即行活检的高风险组患者,可提高乳腺恶性病变的检出率.     

肺癌患者BALF细胞端粒酶活性检测的诊断意义

目的 :对支气管肺癌患者经纤维支气管镜行支气管肺泡灌洗并检测回收液中细胞端粒酶的活性 ,评估端粒酶活性检测对支气管肺癌诊断的临床应用价值。方法 :临床确诊支气管肺癌 15例 ,其它良性非肿瘤性病变 15例 ,除了常规的影像学检查外 ,均行常规电子支气管镜检查并作支气管肺泡灌洗收集回收液 ;采用TRAP -PCR -ELISA测定回收液中端粒酶活性 ;评价端粒酶活性诊断的效能并比较其和临床确诊、支气管镜诊断的两两关系。结果 :15例肺癌患者中端粒酶活性阳性 11例 ,阳性率 73% ,漏诊 4例 ,漏诊率 2 7% ;良性病变中端粒酶活性阳性 3例 ,误诊率 2 0 % ;诊断的敏感性和特异性分别为 73%和 80 % ,阳性预测值和阴性预测值分别为 78%和 75 % ,阳性似然比和阴性似然比分别为 3.6 5和 0 .338,诊断正确率为 77% ,阳性优势比为 3.5 5 ,Youden指数J值为 0 .5 3。端粒酶活性和临床确诊比较 χ2 =0 .14,P >0 .0 1;端粒酶活性和支气管镜诊断比较 χ2 =0 .5 ,P >0 .0 1。结论 :支气管肺泡灌洗液中端粒酶的检测可作为临床诊断支气管肺癌的一项辅助手段     

自适配权重特征融合的持续身份认证

针对现有智能手机用户身份认证方法的不足，提出了一种自适配权重特征融合的持续身份认证方法。设计了一种卷积神经网络，对手机内置传感器(加速度计、陀螺仪、磁力计)获取的用户行为信息数据进行深度特征提取及融合。通过网络中3个子网络流分别提取3种传感器特征，在特征融合层加权融合，各特征的权值会在网络学习过程中根据不同特征的贡献度实现自适应分配。融合特征经过特征选择之后，使用单分类支持向量机进行用户分类认证。实验结果表明：该方法对不同用户身份认证获得的等错误率为1.20%,与现有其他认证方法相比具有更好的认证准确性。     

基于分形维数和SVM的新疆民间艺术图案分类

针对已有分类器存在的缺陷, 提出一种以分类错误率为标准选择组合特征的分类方法, 提高分类器的分类精度. 先提取图像的4种分形维数作为纹理特征, 再通过组合不同分形维数特征应用于支持向量机(SVM)进入样本训练阶段. 将分类错误率最低的特征组合作为分类器的特征向量, 应用于测试阶段的分类, 提高分类器的分类精度. 实验结果表明, 该方法具有较好的推广性, 为图像特征组合提取提供了新途径.     

缺乏核素示踪的早期乳腺癌前哨淋巴结活检方法临床研究

目的探讨应用亚甲蓝单示踪剂行缺乏核素示踪的早期乳腺癌前哨淋巴结活检(SLNB)的临床经验.方法收集行全乳切除手术或保乳手术的早期乳腺癌患者109例(0期12例,Ⅰ期27例,ⅡA期28例,ⅡB期10例)为研究对象,所有患者通过临床和影像学检查评估腋窝淋巴结阴性状态,对其行亚甲蓝示踪前哨淋巴结活检(SLNB)、非前哨淋巴结活检(Non-SLNB)和腋窝淋巴结清扫(ALND)的患者资料进行分析,所有前哨淋巴结(SLN)、非前哨淋巴结(Non-SLN)和腋窝淋巴结(ALN)均行病理学和免疫组化检查.结果 SLN检出率、假阴性率、准确性、阴性预测值分别为97.24%,6.9%,98.1%,97.5%.病理N分期的SLN检出率间比较差异具有统计学意义(P0.05).结论应用亚甲蓝单示踪法行SLNB能准确预测缺乏核素示踪的早期乳腺癌腋窝淋巴结状态,本研究入组的病例提示前哨淋巴结的检出率和准确率与乳腺癌的N分期相关.     

基于词语情感隶属度特征的情感极性分类

在模糊集合论框架下探索基于词语情感隶属度的情感极性分类特征表示方法。以TF-IDF为权重分别构建情感特征词语的正向、负向极性隶属度, 并以隶属度对数比作为分类特征值构建基于支持向量机的情感极性分类系统。在产品评论、NLPCC2014情感分类评测数据和IMDB英文影评等数据上的实验结果表明, 基于情感隶属度特征的系统优于基于布尔、频度和词向量等特征表示的系统, 验证了所提出的基于情感隶属度特征表示的有效性。     

融合加速稳健特征的子空间人脸识别方法

为了充分利用人脸特征信息更加准确全面地描述人脸,提高现有识别算法的识别率,提出一种融合改进的加速稳健特征和子空间特征进行人脸识别的方法。利用AAM形状模型的训练方法,训练得到41个点的人脸形状模型;对每幅图像进行特征点初歩定位,找到并保留与初歩定位的特征点空间距离最近的SURF特征点。将SURF特征点描述子利用PCA降维,得到改进的SURF局部特征向量。然后利用PCA对图像进行全局特征提取,将局部特征与全局特征进行融合,组成全新的特征向量。最后通过特征向量的匹配实现识別。对包括本算法和PCA-SIFT算法在内的6种不同识别算法进行了验证。实验结果表明,提出的算法在改变ORL人脸库中训练集样本数的情况下,识别率均优于其他算法;在样本数为5的情况下比PCA-SIFT方法提高了4.3%,可见该算法提高了人脸的识别率具有较强的鲁棒性和分类性。