赵枫，肖际东，文欢，贺芳

中南大学湘雅三医院超声科，湖南长沙410013

乳腺癌发病率逐年上涨，并趋于年轻化，其早期诊断和治疗与患者生存和预后密切相关［1］。乳腺超声是常用的乳腺癌筛查的手段，尤其适用于致密型乳腺［2-3］。但该检查方式对早期乳腺癌诊断准确率较低，特别是肿块最大径≤20.0 mm的患者，影像特征不典型，图像判断受临床经验的影响，极大干扰对病灶的定性诊断［4-6］。计算机辅助诊断（CAD）是医学影像领域的一项新技术，主要包括CAD-MRI、CAD钼靶、CAD超声等，国内外学者研究证实CAD技术能显著提高乳腺疾病诊断的效能，发挥重要的辅助作用［7-9］。但由于早期计算机芯片技术水平的影响及旧版BI-RADS分类标准的不完善，既往关于CAD技术在早期乳腺癌中的应用报道存在一定的局限性，图像识别能力及BI-RADS 分类判定水平低［10-12］。随着人工智能识别在医学影像领域的进步以及乳腺新版BI-RADS更新改进，CAD诊断能力得到大大提高。为了避免盲目应用或过渡依赖CAD技术造成误诊漏诊，探讨在早期乳腺癌中如何合理应用CAD具有重要意义。目前，关于早期乳腺癌CAD诊断的研究，国内外尚未见肿块大小差异对CAD辅助诊断早期乳腺癌的效能影响以及指导应用的报道［13-17］。本研究通过采用具有深度学习神经网络CAD新技术并结合新版BIRADS分类诊断标准，分析比较CAD辅助超声诊断不同大小早期乳腺癌的准确性、特异性、敏感性等效能，探讨肿块大小差异对CAD辅助诊断的影响，为超声医生对CAD辅助诊断早期乳腺癌的效能及影响因素提供较综合的认识，也为超声医生根据乳腺肿块大小合理选择应用CAD辅助诊断提供实践参考，既不漏诊误诊可疑的癌结节，又能充分发挥CAD辅助作用，使乳腺癌患者受益最大化。……