乳腺X線AI智能病灶檢測技術探究①

王雪峰 周亮亮 果慶宇

【中圖分類號】R737.9 【文獻標識碼】A 【文章編號】2095-6851（2020）11--02

乳腺疾病高發于中年女性群體，出現這種疾病的根本原因，與過度勞累、內分泌失調以及情緒經常性起伏過大有一定的關系。在初期發病特征不明顯，通常等到患者來醫院檢查時，已經是惡性腫瘤或者癌癥，根治幾率相對較小。在這種情況下，還需要醫院積極研究在前期提高疾病診斷精準性的方法，確保能夠在常規體檢過程中幫助患者檢測出其是否存在乳腺疾病問題。而人工智能技術就是在新時期誕生的一種先進的病灶檢測技術，在目前有著良好的發展前景。

一、資料與方法

1 一般資料。為了保障檢測結果的真實性，確保新時期臨床診療工作的順利開展。醫護人員決定采用實驗分析的方式，從我院2019年1月-12月期間收治的乳腺疾病患者當中選擇400例，統一采用乳腺X線AI智能病灶檢測技術進行臨床診療。并結合具體的病理化驗結果，判斷檢測技術的準確率。根據患者的基本資料來分析，400例女性患者的年齡在31-72歲之間，平均年齡為（42.1±2.77）歲。患者基本資料之間并無較大差異，符合實驗研究的基本需求。醫護人員需要及時為患者進行常規醫學檢查，先利用CT，對患者乳腺部位進行影像學分析，觀察患者的乳腺病變情況。

2 檢測方法。在選擇使用人工智能檢測技術時，需要引進專業的診療設備。本文當中主要使用的是SIEMENS MAMMOMAT Inspiration 乳腺全數字化X線攝影儀，行常規軸面和斜側面攝像。性能：高壓發生器5KW;X射線管（旋轉陽極，雙焦點0.1mm/0.3mm）;管電壓值范圍：22-49KV;管電流值范圍：20-130mA;管電流時間積值范圍：4-500mAs;平板探測器水平中心分辨率不小于5LP/mm。該AI智能病灶檢測系統在Windows/Linux/Mac等操作系統上均可使用，不過，實際上在操作時，對醫護人員的專業工作能力要求較高。在進行影像學分析時，醫護人員需要通過信息技術對圖像進行處理，該工作流程也可以通過設定系統運行參數，由計算機智能化的完成。一般來說，需要將圖像的像素值歸一化到0～255范圍內;將醫學DICOM傳輸協議圖像格式轉換為適合計算機處理的JPEG圖像格式。目的是方便醫護人員查看圖像信息，避免出現格式不兼容的情況。完成上述工作之后，就可以對患者的病灶進行直觀的判斷，分析患者的乳腺是否存在病變，并確定病變的類型和具體位置，方便后續根據診斷結果擬定科學的診療方案，以提高疾病的治愈率。

3 效果評價標準。人工智能技術是時代發展背景下的一個新型領域，醫護人員除了要結合最終的病理分析結果來判斷該檢測技術的檢測準確率之外，還應當注重于利用信息技術手段，檢驗智能技術的運行狀態是否穩定。并應當與常規的檢測方法相對比，觀察檢測工作流程的復雜程度、檢測速度、檢測費用等方面，以便于從中綜合分析出后續為患者進行乳腺疾病篩查時，應當選擇哪種技術。

二、結果

通過統計檢測數據得出：AI智能檢測出乳腺腫塊120個，乳腺內淋巴結50個，圓形鈣化200個。本次參與實驗研究的總病例數為400例，而這就表示共有30例的疾病問題沒有檢測出來，乳腺X線AI智能病灶檢測技術的綜合準確率為92.5%。為了直觀的對比出這種檢測技術的應用優勢，現將具體的檢測效果對比情況整理成表格，具體如下表1所示：

檢測結果表示，乳腺X線AI智能病灶檢測技術在目前有著良好的應用前景，檢測成功率相對較高，這在一定程度上提高了患者及家屬對醫院診療工作的滿意度。可以通過對該技術的應用在病情初期及時發現病癥問題，有效降低乳腺疾病的死亡率，這符合醫療工作的發展需求。

三、討論

雖然目前乳腺X線AI智能病灶檢測技術的應用優勢逐漸突顯出來，但是，根據本次實驗數據來看，仍然有30例患者的病情沒有被檢測出來。這就表示醫院在新時期想要使用這種檢測技術展開實際的診療工作，還需要不斷結合信息技術和醫療水平的發展進步情況，對具體的檢測方法進行優化升級。這樣才能滿足患者對醫院診療工作的基本要求，推動醫院各項工作的健康發展。

同時，為了避免由于人為因素造成診療結果不準確的情況，醫院還需要定期對醫護人員進行專業技能培訓工作，除了要組織開展疑難病癥的討論交流會之外，還應當安排醫學專家為醫護人員傳授診療工作經驗。并側重于提高醫護人員對人工智能技術的操作能力。醫院可以定期安排技術人員對系統運行狀態進行檢查，做好系統升級的工作，推動智能病灶檢測工作的有序開展。

另外，人工智能技術不僅可以用于對病灶問題的初期檢測，還可以后續協助治療，因此在目前有著良好的發展前景，需要醫護人員積極展開創新研究工作。而且，計算機技術是通過影像信息及計算機算法合成圖像，最終顯示出病灶特征的。這比肉眼觀察的準確率更高，應用效果更好，值得在新時期推廣應用。

參考文獻：

哈婷婷，潘俊，王洪光，等.基于深度學習的乳腺X線攝影病灶檢出系統的臨床價值[J].中國醫學影像技術，2019，35（12）：1789-1793.

A.R.Ruiz，E.Krupinski，J.J.Mordang，等.乳腺X線攝片AI輔助系統檢測乳腺癌[J].國際醫學放射學雜志，2019，42（2）：110.