李如冰，彭梅，毕玉，詹韵韵，姜凡，方明娣

    (安徽医科大学第二附属医院超声诊断科，安徽 合肥 230601)

    近年来，随着外科手术及各种辅助治疗手段的发展，早期乳腺癌的五年生存率已达90%。因此乳腺癌的早期筛查与准确诊断至关重要。目前对于乳腺肿瘤的影像学检查方法包括超声、钼靶、磁共振等[1]。乳腺超声检查技术以其无创、可重复性等优势广泛应用于临床，但由于不同年资医师对其理解程度有主观上的差异与客观上的误差，导致对一些不典型乳腺肿块的判断容易误诊。美国放射学会(American College of Radiology，ACR)为规范乳腺影像学检查报告和结果评估，制定并更新乳腺影像报告数据系统(BI-RADS)[2]，然而在临床诊断中发现，良恶性乳腺肿块之间仍存在较大的交叉重叠。本研究中采用的S-Detect 技术[3，4]是一种新的人工智能超声辅助诊断技术，采用卷积神经网络深度学习算法，自动提取病灶特征综合分析后给出诊断结果，但此项技术仅给出二分类结果，单一应用效能较低。因此，有部分研究[5-7]将BI-RADS 与S-Detect 技术联合应用，但两者均未将肿瘤的血供特征进行系统化的评估，而乳腺肿块的血供特征是其良恶性鉴别的重要线索，Adler 分级法[8]可将血供特征半定量化进而评估肿块的良恶性。基于此，本研究在BI-RADS分类基础上，将血供特征采用Adler 分级法定义，与人工智能S-Detect 技术联合以提高诊断效能，以期降低乳腺癌的误诊及漏诊率，同时也减少不必要的手术及乳腺病灶的穿刺活检，减轻患者的心理负担、经济损失与手术创伤。

    1 资料与方法

    1.1 一般资料 收集2019 年9 月-2021 年7 月在安徽医科大学第二附属医院医院行超声诊断检查并留有完整图像资料的患者121 例，共121 个乳腺肿块，年龄18～75 岁，平均年龄(45.42±13.06)岁，结节最大长径5～54.00 mm，平均最大长径(22.48±10.42)mm。

    1.2 纳入及排除标准 纳入标准：患者入院经乳腺超声检查并行空心针穿刺或手术治疗后病理确诊的患者。排除标准：①妊娠期患者或哺乳期患者；②BI-RADS 诊断分类为0、1、2、6；③接受过放化疗；④接受过穿刺活检；⑤非肿块性病变；⑥非乳腺原发病灶的患者 ......