乳腺X线AI智能病灶检测技术探究

王雪峰 周亮亮 果庆宇

【中图分类号】R737.9 【文献标识码】A 【文章编号】2095-6851（2020）11--01

乳腺疾病高发于中年女性群体，出现这种疾病的根本原因，与过度劳累、内分泌失调以及情绪经常性起伏过大有一定的关系。在初期发病特征不明显，通常等到患者来医院检查时，已经是恶性肿瘤或者癌症，根治几率相对较小。在这种情况下，还需要医院积极研究在前期提高疾病诊断精准性的方法，确保能够在常规体检过程中帮助患者检测出其是否存在乳腺疾病问题。而人工智能技术就是在新时期诞生的一种先进的病灶检测技术，在目前有着良好的发展前景。

一、资料与方法

1 一般资料

为了保障检测结果的真实性，确保新时期临床診疗工作的顺利开展。医护人员决定采用实验分析的方式，从我院2019年1月-12月期间收治的乳腺疾病患者当中选择400例，统一采用乳腺X线AI智能病灶检测技术进行临床诊疗。并结合具体的病理化验结果，判断检测技术的准确率。根据患者的基本资料来分析，400例女性患者的年龄在31-72岁之间，平均年龄为（42.1±2.77）岁。患者基本资料之间并无较大差异，符合实验研究的基本需求。医护人员需要及时为患者进行常规医学检查，先利用CT，对患者乳腺部位进行影像学分析，观察患者的乳腺病变情况。

2 检测方法

在选择使用人工智能检测技术时，需要引进专业的诊疗设备。本文当中主要使用的是SIEMENS MAMMOMAT Inspiration 乳腺全数字化X线摄影仪，行常规轴面和斜侧面摄像。性能：高压发生器5KW;X射线管（旋转阳极，双焦点0.1mm/0.3mm）;管电压值范围：22-49KV;管电流值范围：20-130mA;管电流时间积值范围：4-500mAs;平板探测器水平中心分辨率不小于5LP/mm。该AI智能病灶检测系统在Windows/Linux/Mac等操作系统上均可使用，不过，实际上在操作时，对医护人员的专业工作能力要求较高。在进行影像学分析时，医护人员需要通过信息技术对图像进行处理，该工作流程也可以通过设定系统运行参数，由计算机智能化的完成。一般来说，需要将图像的像素值归一化到0～255范围内;将医学DICOM传输协议图像格式转换为适合计算机处理的JPEG图像格式。目的是方便医护人员查看图像信息，避免出现格式不兼容的情况。完成上述工作之后，就可以对患者的病灶进行直观的判断，分析患者的乳腺是否存在病变，并确定病变的类型和具体位置，方便后续根据诊断结果拟定科学的诊疗方案，以提高疾病的治愈率。

3 效果评价标准

人工智能技术是时代发展背景下的一个新型领域，医护人员除了要结合最终的病理分析结果来判断该检测技术的检测准确率之外，还应当注重于利用信息技术手段，检验智能技术的运行状态是否稳定。并应当与常规的检测方法相对比，观察检测工作流程的复杂程度、检测速度、检测费用等方面，以便于从中综合分析出后续为患者进行乳腺疾病筛查时，应当选择哪种技术。

二、结果

通过统计检测数据得出：AI智能检测出乳腺肿块120个，乳腺内淋巴结50个，圆形钙化200个。本次参与实验研究的总病例数为400例，而这就表示共有30例的疾病问题没有检测出来，乳腺X线AI智能病灶检测技术的综合准确率为92.5%。为了直观的对比出这种检测技术的应用优势，现将具体的检测效果对比情况整理成表格，具体如下表1所示：

检测结果表示，乳腺X线AI智能病灶检测技术在目前有着良好的应用前景，检测成功率相对较高，这在一定程度上提高了患者及家属对医院诊疗工作的满意度。可以通过对该技术的应用在病情初期及时发现病症问题，有效降低乳腺疾病的死亡率，这符合医疗工作的发展需求。

三、讨论

虽然目前乳腺X线AI智能病灶检测技术的应用优势逐渐突显出来，但是，根据本次实验数据来看，仍然有30例患者的病情没有被检测出来。这就表示医院在新时期想要使用这种检测技术展开实际的诊疗工作，还需要不断结合信息技术和医疗水平的发展进步情况，对具体的检测方法进行优化升级。这样才能满足患者对医院诊疗工作的基本要求，推动医院各项工作的健康发展。

同时，为了避免由于人为因素造成诊疗结果不准确的情况，医院还需要定期对医护人员进行专业技能培训工作，除了要组织开展疑难病症的讨论交流会之外，还应当安排医学专家为医护人员传授诊疗工作经验。并侧重于提高医护人员对人工智能技术的操作能力。医院可以定期安排技术人员对系统运行状态进行检查，做好系统升级的工作，推动智能病灶检测工作的有序开展。

另外，人工智能技术不仅可以用于对病灶问题的初期检测，还可以后续协助治疗，因此在目前有着良好的发展前景，需要医护人员积极展开创新研究工作。而且，计算机技术是通过影像信息及计算机算法合成图像，最终显示出病灶特征的。这比肉眼观察的准确率更高，应用效果更好，值得在新时期推广应用。

参考文献：

哈婷婷，潘俊，王洪光，等.基于深度学习的乳腺X线摄影病灶检出系统的临床价值[J].中国医学影像技术，2019，35（12）：1789-1793.

A.R.Ruiz，E.Krupinski，J.J.Mordang，等.乳腺X线摄片AI辅助系统检测乳腺癌[J].国际医学放射学杂志，2019，42（2）：110.