计算机辅助超声诊断的准确性受哪些因素影响？如何使用计算机辅助超声诊断？
计算机辅助超声诊断基于深度学习算法，通过传输、调整大小并扭曲目标病变的影像图像，最后根据BI-RADS分级系统对目标乳腺肿块进行形态学分析和最终评估。了解出现错误诊断结果的病变相关临床和成像特征，有助于计算机辅助超声诊断的使用及其结果的解释。近期一项前瞻性研究1，评估乳腺病变计算机辅助超声诊断——S-Detect的假阳性和假阴性结果，并分析病变相关临床和影像学特征。
目前乳腺癌的筛查和诊断广泛采用乳腺X线摄影、超声（US）和磁共振成像（MRI）。X线摄影的诊断准确性和灵敏度可能受到致密乳腺组织的影响；MRI相比X线摄影更灵敏，可提高癌症检出率，但由于其假阳性结果饱受诟病。相比之下，超声可以在不受乳腺密度和患者年龄影响的情况下检测出更多的浸润性和结节阴性癌症。此外，超声诊断良恶性乳腺病变的性能较好。超声BI-RADS分级标准提供了描述乳腺病变特征和最终评估类别的标准术语。然而由于BI-RADS对病变的描述存在多元性和主观性，超声影像和最终评估难免存在差异。
计算机辅助诊断系统已应用于基于不同算法的图像处理、分割和特征提取，可缩短筛查时间、提高乳腺癌检出率、最小化超声科医生影像解读的差异，帮助对乳腺病变进行分类。研究中，例女性的个乳腺病变在活检或手术切除前接受超声+S-Detect检查。将放射科医生和S-Detect的最终超声评估结果与病理结果进行匹配。
使用S-DETECT的量化过程
A：检测到病变时的S-Detect界面，按下S-Detect按钮进行分析。B：界面显示我们选择了手动轮廓按钮来绘制病灶的边缘。C：对S-Detect图像进行形态分析和最终评价。
计算机辅助超声诊断可帮助提高放射科医生的诊断准确性
患者平均年龄42.6±12.9岁，个病变中，个（61.8%）为良性，个（38.2%）为恶性。恶性病变显著大于良性病变，平均大小分别为23.3±10.7mm和15.0±8.1mm（P0.）。与良性乳腺病变相比，B超在恶性实性乳腺病变中检测到更多钙化（P0.）。
在诊断性能方面，放射科医生的敏感性高于S-Detect，特异性远低于S-Detect。与放射科医生相比，S-Detect的准确性明显提高。放射科医生和S-Detect的最终评估结果一致性?中等（?=0.42）。应用S-Detect时，良性病变的假阳性率（18.7%）高于恶性病变的假阴性率（12.4%）。
?kappa系数：≤0.2，一致性较差；0.21~0.40，一致性一般；0.41~0.60，一致性中等；0.61~0.80，高度一致；0.81~1.00，几乎完全一致。
放射科医生和S-Detect的诊断性能
较大、存在钙化或血流丰富的良性实性乳腺病变，更容易出现假阳性S-Detect结果
采用S-Detect，18.7%（39/）的良性实性乳腺病变出现假阳性结果。多变量分析显示，病变较大、B超检测病变中存在钙化或Adler血流分级2/3级*与假阳性S-Detect结果显著相关（比值比[OR]=1.，P=0.；OR=5.，P=0.；OR=1.，P=0.）。
根据Adler分级对病变中的血流进行定量评估，分为以下4个等级之一：0级（无），无血流信号；1级（少量血流），可见1~2个点状或细棒状肿瘤血管；2级（中量血流），可见一个主血管和几个点状血管；3级（多量血流），可见≥4个血管。0级和1级表示少量血流，2级和3级表示大量血流。
个S-Detect诊断为良性的病变特征
较小、B超检测无微钙化的恶性实性乳腺病变更可能出现假阴性S-Detect结果
使用S-Detect，12.4%（16/）的恶性实性乳腺病变出现假阴性结果。在多变量分析中，B超在恶性实性乳腺病变中检测不到钙化与假阴性S-Detect结果显著相关（最高OR=7.，P=0.）。病变较小也与恶性病变的假阴性S-Detect结果显著相关（OR=1.，P=0.）。
个S-Detect诊断为恶性的病变特征
计算机辅助超声诊断可用于减少良性乳腺病变不必要的活检。但是需要注意的是，较大的良性病变、病变钙化和血流信号丰富可能显示假阳性检测结果，较小的恶性病变、无病变钙化可能显示假阴性检测结果。因此在分析计算机辅助超声诊断结果时，需要仔细评估这些因素。
排版编辑：qin.hu请添加小编企业
