贺 芳，肖际东，文 欢，毛玉瑶

(中南大学湘雅三医院超声科，湖南 长沙 410013)

乳腺癌是女性最常见的恶性肿瘤之一，早期诊断和治疗是提高患者生存率、延长生存期的关键[1-2]。乳腺病灶早期较小，影像学表现复杂多样，常介于良性与恶性之间，是临床诊断的难点[3]。S-detect技术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，基于乳腺检查大数据分析，可为鉴别诊断乳腺良恶性病变提供参考，使乳腺超声诊断更快速、更高效[4-6]。本研究探讨S-detect辅助常规超声鉴别诊断乳腺良恶性小病灶的应用价值。

1 资料与方法

1.1 一般资料 选取2017年11月—2018年1月于我院接受手术治疗并获得术后病理结果的42例乳腺小病灶患者，均为女性，年龄27～65岁，平均(42.6±6.2)岁；多以乳腺胀痛、触及肿块或乳头溢液等症状就诊；共54个病灶，最大径5～20 mm，平均(14.23±4.47)mm。纳入标准：接受S-detect技术及常规超声扫查，乳腺病灶采集切面图像清晰，病灶为肿块型且最大径≤2 cm；术前未接受新辅助化疗、内分泌治疗等。排除标准：乳腺内置入假体和常规超声难以显示的非肿块型病灶。

1.2 仪器与方法 采用Samsung RS80A彩色多普勒超声检查仪，L3-12A探头，频率5～13 MHz。嘱患者平卧，双臂充分外展，暴露双侧乳腺和腋窝。以乳头为中心，分别进行纵切、横切和斜切面扫查，观察记录病灶最大径、内部回声、边缘、包膜、钙化、纵横比、后方有无声衰减及病变与周围血供情况等声像图特征，并观察双侧腋下淋巴结。S-detect检测选取乳腺模式，首先在2D模式下对病灶进行横切、纵切扫查，以肿块最大径及与其垂直的切面为标准层面，获取最佳乳腺肿瘤图像；……