Predictive value of dynamic monitoring of serum related indexes for pulmonary infection after severe craniocerebral injury
-
摘要:目的 分析动态监测重型颅脑损伤术后患者血清降钙素原（PCT）、可溶性髓样细胞表达的激发受体-1（sTREM-1）及C反应蛋白与白蛋白比值（CRP/ALB）的变化对肺部感染的早期预测价值。方法 选取手术治疗的196例重型颅脑损伤患者，监测并记录术后1、3、5 d的血清PCT、CRP、ALB、sTREM-1及CRP/ALB水平，记录患者术后肺部感染情况。分析重型颅脑损伤术后肺部感染的危险因素，通过绘制受试者工作特征（ROC）曲线分析相关指标对肺部感染的早期预测价值。结果 重型颅脑损伤术后发生肺部感染者76例（38.78%），感染发生时间为术后6~13 d，中位数为7 d。无肺部感染组术后3、5 d血清PCT、sTREM-1及CRP/ALB低于肺部感染组，差异有统计学意义（P < 0.05）；肺部感染组术后5 d血清ALB低于无肺部感染组，差异有统计学意义（P < 0.05）。机械通气时间、术后格拉斯哥昏迷量表（GCS）评分、术后急性生理与慢性健康评分Ⅱ（APACHE Ⅱ）以及术后5 d血清PCT、sTREM-1及CRP/ALB是术后肺部感染的独立危险因素（P < 0.05）。ROC曲线显示，单独检测时，术后5 d血清CRP/ALB预测肺部感染的曲线下面积（AUC）值、约登指数、特异度最高，sTREM-1预测的敏感度最高；联合检测的AUC、约登指数、灵敏度、特异度均高于单独检测。肺部感染诊断时临床肺部感染评分（CPIS）、全身炎症反应综合征修正（ASS）评分均与术后5 d PCT、sTREM-1、CRP/ALB水平呈显著正相关（P < 0.05）。结论 术后5 d血清PCT、sTREM-1及CRP/ALB水平均可作为重型颅脑损伤术后肺部感染早期预测的有效依据，而联合检测的预测价值更高，更有利于早期对肺部感染程度及病情进展的评估。
-
关键词:
- 重型颅脑损伤 /
- 肺部感染 /
- 降钙素原 /
- C反应蛋白 /
- 可溶性髓样细胞表达的激发受体-1
Abstract:Objective To analyze the value of dynamic monitoring of serum procalcitonin (PCT), soluble triggering receptor expressed on myeloid cells-1 (sTREM-1) and ratio of C-reaction protein to albumin (CRP/ALB) changes in early predicting pulmonary infection after severe craniocerebral injury.Methods A total of 196 patients with severe craniocerebral injury treated by surgery were selected, the serum PCT, CRP, ALB, sTREM-1 and CRP/ALB levels at 1 day, 3 and 5 days after operation were monitored and recorded, and the postoperative pulmonary infection conditions were recorded as well. Risk factors for pulmonary infection after severe craniocerebral injury were analyzed. The receiver operating characteristic (ROC) curve was drawn to analyze the early predictive value of related indicators for pulmonary infection.Results There were 76 cases (38.78%) with pulmonary infection after operation for severe craniocerebral injury, and the infection occurred at 6 to 13 days after operation with a median of 7 days. The levels of serum PCT, sTREM-1 and CRP/ALB in the non-pulmonary infection group were significantly lower than those in the pulmonary infection group at 3 and 5 days after operation (P < 0.05). The serum ALB in the pulmonary infection group was significantly lower than that in the non-pulmonary infection group at 5 days after operation (P < 0.05). The time of mechanical ventilation, postoperative Glasgow Coma Scale (GCS) score, postoperative Acute Physiology and Chronic Health Score Ⅱ (APACHE Ⅱ) and serum PCT, sTREM-1 and CRP/ALB at 5 days after operation were the independent risk factors for postoperative pulmonary infection (P < 0.05). ROC curve showed that area under curve (AUC), Youden index and specificity of single detection of serum CRP/ALB were the highest in predicting pulmonary infection at 5 days after operation, and the sTREM-1 was the most sensitive. The Clinical Pulmonary Infection Score (CPIS) and modified Systemic Inflammatory Response Syndrome Score (ASS) were positively correlated with the levels of PCT, sTREM-1 and CRP/ALB at 5 days after operation (P < 0.05).Conclusion The serum PCT, sTREM-1 and CRP/ALB levels at 5 days after operation can be used as the effective evidences for early prediction of pulmonary infection after severe craniocerebral injury, and the combined detection is more valuable and conducive to the early assessment of the degree of pulmonary infection and the progress of the disease. -
乳腺癌是中国女性最常见的肿瘤，发病率位居女性恶性肿瘤首位，严重影响患者身心健康[1]。早发现、早诊断乳腺癌有助于患者进行早期有效治疗，改善预后[2]。常规超声检查作为乳腺癌早期筛查的主要影像检查，其成本低、无辐射、分辨率高，能够使患者尽早发现肿块，实现采用更保守的手段进行治疗[3]。但常规超声诊断乳腺影像学报告和数据系统(BI-RADS)受医师经验等主观性因素影响，具有一定局限性[4]。S-Detect技术是一种基于深度学习的人工智能影像辅助诊断技术，一定程度避免了医师常规超声检查主观性强的误诊风险[5]。研究[6-7]表明，乳腺结节微血流评估有助于肿瘤良恶性的鉴别诊断，智能3D-SMI技术通过三维图像重建显示病变血流架构，提供更立体全面的微血流信息，有助于鉴别乳腺结节的良恶性。本研究旨在评估智能3D-SMI技术与S-Detect技术联合应用辅助常规超声检查诊断的应用价值。
1. 资料与方法
1.1 一般资料
选取2021年1月—2023年2月上海交通大学医学院附属第九人民医院黄浦分院的151例女性患者为研究对象，共192个结节，直径0.40~4.50 cm, 平均(1.85±0.90) cm; 患者年龄19~80岁，平均(52.72±14.03)岁。纳入标准: ①所有患者均经术后病理证实，术前均由1名10年以上工作经验的医师行常规超声、S-Detect技术和智能3D-SMI技术检查并完整留图; ②肿块最大直径 < 5 cm者。排除既往有手术史、放化疗史以及怀孕和哺乳期患者。本研究经医院伦理委员会批准。
1.2 仪器与方法
1.2.1 常规超声、3D-SMI技术检查
应用Toshiba Aplio 900超声仪(L14-5探头，频率5~14 MHz)进行检查。患者取仰卧位，充分暴露乳房，并对每个象限进行多层面扫描。1名具有10年以上工作经验的超声医生进行检查、留图，测量病变部位的最大直径，并记录病变的大小、形态、方向、内部回声、钙化等重要的超声特征并存图3D-SMI血流架构。在双盲法下，由2名超过10年丰富工作经验的超声医生独立对每个病变根据病灶二维超声特征进行BI-RADS分类，记录结果并对3D-SMI血流架构图进行分类。诊断不一致时，咨询主任医师，并最终协商达成统一诊断。
1.2.2 S-Detect技术检查:
使用三星RS80A型超声仪(LA523探头，频率5~13 MHz)进行检测。选取最大长径切面及横断面分别冻结，并启动内置的S-Detect模式，病变可被诊断为良性或恶性。当最大长径和横断面诊断不一致时，分为2种诊断方式: 方式1(只要1个诊断结果为良性，则S-Detect技术诊断结果为良性)及方式2(只要1个诊断结果为恶性，则S-Detect技术诊断结果为恶性)。比较2种方式的诊断效能，选取诊断效能高的诊断方式作为S-Detect技术鉴别结节良恶性的最终诊断方式。
1.2.3 智能3D-SMI血流架构的评估
基于智能3D-SMI与其他乳腺微血管形态的研究，将血流架构分为5型[8], Ⅰ型(无血管)、Ⅱ型(血流架构呈线状，病变内见无交叉的少量血管)、Ⅲ型(血流架构呈树枝状，可见病变内微血管有分支)、Ⅳ型(血流架构呈残根状，微血管排列扭曲，病变周围粗大扭曲的血管 < 2根)、Ⅴ型(血流架构呈蟹足状，病变周围粗大扭曲的血管≥2根)。本研究将血流架构分型为Ⅰ型、Ⅱ型、Ⅲ型的结节判断为良性结节，将血流架构分型为Ⅳ型和Ⅴ型的结节判断为恶性结节。
1.2.4 三者联合诊断
若S-Detect技术诊断为良性, 3D-SMI技术诊断为恶性，则联合诊断结果为恶性; 若3D-SMI技术诊断为良性, S-Detect技术诊断为恶性，则将BI-RADS分类升高1级，本实验设定BI-RADS分类≤4 a的结节为良性, ≥4 b的结节为恶性。
1.3 统计学方法
采用SPSS 22.0软件进行统计学分析，采用卡方检验分别比较不同组别的诊断效能，以病理结果为金标准，绘制受试者工作特征(ROC)曲线，计算每条曲线的曲线下面积(AUC), 应用Z值评估各组间AUC的差异, P < 0.05为差异有统计学意义。
2. 结果
2.1 病理结果
192个结节中，恶性80个(浸润性导管癌63个，导管原位癌4个，导管内癌伴微小浸润3个，乳头状癌7个，浸润性小叶癌2个，黏液癌1个)和良性112个(纤维腺瘤66个，硬化性乳腺病3个，导管内乳头状瘤14个，乳腺增生2个，间质胶原化9个，乳腺囊肿伴炎症4个，错构瘤2个，管状腺瘤1个，肌上皮瘤1个，良性叶状肿瘤1个，炎症5个，脂肪坏死4个)。
2.2 S-Detect技术不同诊断方式的结果
S-Detect技术诊断方式1和方式2的AUC值分别为0.791、0.741, 方式1的诊断效能较方式2高，差异有统计学意义(Z=2.048, P=0.041), 因此选择方式1作为S-Detect技术的最终诊断方式。
2.3 常规超声检查、S-Detect技术、智能3D-SMI技术及三者联合检查结果
常规超声检查诊断的良性结节118个，恶性结节74个，敏感度、特异度和准确度分别为70.00%、83.93%、78.13%; S-Detect技术检查诊断的良性结节106个，恶性结节86个，敏感度、特异度和准确度分别为78.75%、79.46%、79.17%; 智能3D-SMI技术诊断的良性结节128个，恶性结节64个，敏感度、特异度和准确度分别为71.25%、93.75%、84.38%; 三者联合诊断的良性结节98个，恶性结节94个，敏感度、特异度和准确度分别为90.00%、80.36%、84.38%。见表 1和表 2。
表 1 不同检查方法诊断良恶性结节的结果例 方法 结果 病理结果 合计 恶性(n=80) 良性(n=112) 常规超声检查 恶性 56 18 74 良性 24 94 118 S-Detect技术 恶性 63 23 86 良性 17 89 106 智能3D-SMI技术 恶性 57 7 64 良性 23 105 128 三者联合诊断 恶性 72 22 94 良性 8 90 98 表 2 不同检查方法对乳腺良恶性结节的诊断效能方法 敏感度/% 特异度/% 准确度/% 阳性预测值/% 阴性预测值/% 常规超声检查 70.00 83.93 78.13 75.68 79.66 S-Detect技术 78.75 79.46 79.17 73.26 83.96 智能3D-SMI技术 71.25 93.75 84.38 89.06 82.03 三者联合诊断 90.00 80.36 84.38 76.60 91.84 2.4 不同方法的ROC曲线和AUC值
三者联合诊断、常规超声检查、S-Detect技术和智能3D-SMI技术的AUC值分别为0.852、0.770、0.791、0.825, 三者联合诊断的诊断效能较常规超声、S-Detect技术高，差异有统计学意义(Z=2.567, P=0.010; Z=2.533, P=0.011); 三者联合诊断较智能3D-SMI技术的诊断效能高，但差异无统计学意义(Z=-0.982, P=0.326), 其他组间诊断效能差异无统计学意义(P>0.05), 见图 1。
3. 讨论
乳腺癌作为女性最常见的恶性肿瘤，发病率逐年上升，对患者身心健康产生严重影响，迫切需要全面的影像检查方法在早期准确鉴别乳腺结节的良恶性[9]。常规超声检查在乳腺结节的良恶性鉴别中扮演着重要角色，但良恶性结节的部分影像特点具有重合性，且容易受医师主观性的影响，具有一定的局限性[10]。本研究首次将智能3D-SMI技术与S-Detect技术联合应用辅助常规超声鉴别乳腺结节的良恶性，避免了单一技术检查的缺陷和不足，联合应用明显提高了乳腺结节良恶性鉴别的诊断效能，目前国内尚未报道。
S-Detect计算机辅助算法基于人工智能和神经网络，对大量的训练数据进行“学习”，根据BI-RADS词汇分析乳腺结节的形态学特征。最终提供了二分法的评估: “可能良性”或“可能恶性”[11]。一些研究[12-14]已经证实, S-Detect技术提高了对乳腺结节，甚至小结节(< 2 cm)良恶性诊断的准确性。本研究151例患者的192个结节中, 80个结节经病理检查证实为恶性, 112个结节经病理检查证实为良性。S-Detect技术提示恶性结节86个，良性结节106个，其中40个被误诊。S-Detec技术诊断乳腺结节良恶性的敏感度、特异度和准确度分别为78.75%、79.46%、79.17%。17个误诊为良性的恶性结节中, 8个结节直径 < 1 cm, 边界尚清, 2个结节内微钙化，误诊的原因可能与体积太小、恶性征象不明显而无法被自动分析有关，而S-Detect技术的已知局限性是其不能分析结节内的微钙化、血流等参数。一些被S-Detect技术所忽视的微钙化部分可以被超声医生从二维图像中观察出来。误诊为恶性的良性结节23个: 纤维腺瘤13个，导管内乳头状瘤4个，乳腺炎3个，间质胶原化1个，肌上皮瘤1个，硬化性腺病1个。造成诊断不准确的原因可能与肿块的位置和深度有关[15]。部分良性结节形状不规则、边缘不光整、边缘成角或毛刺导致S-Detect程序错误定义结节的边界，可能歪曲结节的边缘，导致误诊为恶性。本研究发现, S-Detect技术的诊断效能未较常规超声检查增高，分析原因可能为样本量较少，且S-Detect技术受限于超声医师主观图像切面的选择。
SMI是一项通过自适应算法进行滤波处理杂波信号的新技术，可以显示CDFI图像中难以显示的低速血流，智能3D-SMI通过2D-SMI重建，更加直观地评估微血流架构，较2D-SMI显示更多的微血管及更全面、立体的血流信号[16]。恶性病变因细胞缺氧、增殖较快，诱导大量粗大、扭曲的新生血管生成，因此血流架构Ⅳ型和Ⅴ型为其特异性血流征象，良性病变较恶性病变生长缓慢，出现血管畸形和动静脉瘘的概率较小，因此血流架构Ⅰ型、Ⅱ型和Ⅲ型为良性病变特异性血流征象，并且具有较好的观察者一致性，重复性高[17], 使其通过血流架构判断乳腺结节良恶性成为可能。本研究智能3D-SMI技术提示恶性结节64个，良性结节128个，30个被误诊，原因可能与病灶直径及位置深浅有关，这是影响血流信号显示的重要因素。随着肿块接近皮肤表面及最大直径的增大，智能3D-SMI技术的良恶性诊断效能逐渐降低[18]。部分假阳性病变为血流丰富的炎症，被误诊为恶性，部分假阴性病变为乏血供类肿瘤易被误诊为恶性，如黏液癌，这些都会导致一定误诊率，因此需要多种检查技术相互结合提高诊断的准确性。
虽然本研究认为, S-Detect技术对乳腺良恶性病变的鉴别诊断具有明确临床价值，但仍有一定局限性。具体来说, S-Detect技术不能识别病变内的微钙化，但微钙化是恶性肿瘤可疑的重要指标，而且该技术不能提示病变的血流情况, S-Detect技术可以自动识别结节，但如果结节很小或边界不清，可能导致不适当的分类; 添加血流信息、弹性成像、萤火虫技术等其他参数可以进一步提高诊断的准确性[19]。本研究采用3种技术联合诊断，减少了单一技术检查的局限性，提供了结节的空间血流形态，提高了良恶性结节鉴别的诊断效能。本研究的不足在于样本量较少，应当扩大样本量，进行多中心研究。还应该针对分子亚型，运用S-Detect技术与智能3D-SMI技术从分子生物学角度更全面分析、研究其诊断效能。人工智能S-Detect技术与智能3D-SMI技术联合应用对乳腺结节良恶性有较高的诊断效能，值得在临床中推广。
-
表 1 肺部感染组与无肺部感染组患者基线资料比较
基线资料 肺部感染组(n=76) 无肺部感染组(n=120) χ2/t P 性别 男 41 69 0.238 0.625 女 35 51 年龄 ≥60岁 42 46 5.391 0.020 < 60岁 34 74 高血压 有 19 25 0.464 0.496 无 57 95 糖尿病 有 17 19 1.325 0.250 无 59 101 高血脂 有 25 32 0.875 0.350 无 51 88 气管切开 有 53 64 5.204 0.023 无 23 56 误吸 有 30 31 4.039 0.044 无 46 89 机械通气时间/d 10.37±4.21 7.64±3.17 5.162 0.001 术后GCS评分/分 5.23±1.68 6.44±1.49 5.270 0.001 术后APACHE Ⅱ评分/分 21.54±7.85 16.47±5.76 5.204 0.001 GCS: 格拉斯哥昏迷量表; APACHE Ⅱ: 急性生理与慢性健康评分Ⅱ。 
下载: 导出CSV
表 2 重型颅脑损伤术后患者早期各检验指标变化
组别 时点 PCT/(ng/mL) CRP/(mg/L) ALB/(g/L) sTREM-1/(ng/L) CRP/ALB/(mg/g) 肺部感染组(n=76) 术后1 d 0.43±0.21 62.15±24.39 36.15±11.34 37.45±10.68 1.72±0.49 术后3 d 0.59±0.27 80.34±29.47 34.21±10.17 45.67±15.39 2.35±0.88 术后5 d 0.86±0.41 98.24±39.47 31.47±9.06 58.59±20.75 3.44±1.37 无肺部感染组(n=120) 术后1 d 0.41±0.19 57.36±23.45 36.59±11.68 36.14±10.51 1.57±0.44 术后3 d 0.49±0.24** 72.45±25.14* 35.74±11.33 41.59±12.51* 1.94±0.67** 术后5 d 0.43±0.26** 68.31±25.66** 34.46±10.89* 38.81±11.17** 1.78±0.63** PCT: 降钙素原; CRP: C反应蛋白; ALB: 白蛋白; sTREM-1: 可溶性髓样细胞表达的激发受体-1; CRP/ALB: C反应蛋白与白蛋白比值。
与肺部感染组比较, *P < 0.05, **P < 0.01。
下载: 导出CSV
表 3 重型颅脑损伤术后肺部感染危险因素的Logistic逐步回归分析
变量 β S.E. Wald χ2 P OR(95%CI) 机械通气时间 0.873 0.308 8.034 0.005 2.394(1.309~4.379) 术后GCS评分 -0.271 0.112 5.854 0.035 0.762(0.612~0.950) 术后APACHE Ⅱ评分 0.687 0.272 6.379 0.009 1.988(1.166~3.388) 术后5 d PCT 3.842 0.903 18.102 0.001 46.618(7.800~278.628) 术后5 d sTREM-1 0.033 0.014 5.556 0.036 1.033(1.005~1.062) 术后5 d CRP/ALB 1.386 0.312 19.734 0.001 3.999(2.169~7.371) 常量 -8.476 1.261 45.180 0.001 0 GCS: 格拉斯哥昏迷量表; APACHE Ⅱ: 急性生理与慢性健康评分Ⅱ; PCT: 降钙素原;
sTREM-1: 可溶性髓样细胞表达的激发受体-1; CRP/ALB: C反应蛋白与白蛋白比值。
下载: 导出CSV
表 4 术后5 d血清PCT、sTREM-1、CRP/ALB对术后肺部感染预测的效能参数
指标 临界值 约登指数 敏感度 特异度 AUC(95%CI) 术后5 d血清PCT 0.650 0.416 0.658 0.758 0.792(0.727~0.857) 术后5 d血清sTREM-1 42.990 0.564 0.789 0.775 0.816(0.747~0.884) 术后5 d血清CRP/ALB 2.560 0.688 0.763 0.925 0.865(0.805~0.925) 联合检测PRE_1 0.396 0.858 0.908 0.950 0.962(0.930~0.994)
下载: 导出CSV
-
[1] 陈大洋, 高永友. 降钙素原对ICU发热患者血流感染的诊断及预测价值的临床研究[J]. 中国医学创新, 2018, 15(6): 97-99. doi: 10.3969/j.issn.1674-4985.2018.06.027 [2] 邵方真. 血清降钙素原及C反应蛋白水平检测在医院获得性细菌性肺炎筛查中的应用观察[J]. 黑龙江医学, 2019, 43(10): 1223-1224. doi: 10.3969/j.issn.1004-5775.2019.10.037 [3] 杨汉才, 许志定, 彭可科, 等. CRP/Alb比值对老年急性缺血性脑卒中患者卒中相关性肺炎的预测价值[J]. 解放军医药杂志, 2020, 32(5): 94-98. doi: 10.3969/j.issn.2095-140X.2020.05.023 [4] 张强, 杨丹红, 黄益澄, 等. 血清sTREM-1对肝硬化伴全身炎症反应综合征患者早期诊断及预后判断的意义[J]. 检验医学与临床, 2019, 16(6): 735-738, 741. doi: 10.3969/j.issn.1672-9455.2019.06.005 [5] 中华医学会神经外科学分会, 中国神经外科重症管理协作组. 中国重型颅脑创伤早期康复管理专家共识(2017)[J]. 中华医学杂志, 2017, 97(21): 1615-1623. doi: 10.3760/cma.j.issn.0376-2491.2017.21.006 [6] 施毅. 中国成人医院获得性肺炎与呼吸机相关性肺炎诊断和治疗指南(2018年版)[J]. 中华结核和呼吸杂志, 2018, 41(4): 255-280. doi: 10.3760/cma.j.issn.1001-0939.2018.04.006 [7] 张爱红, 刘志刚, 李百灵, 等. 重型颅脑损伤患者发生肺部感染危险因素探讨[J]. 临床和实验医学杂志, 2019, 18(22): 2422-2425. doi: 10.3969/j.issn.1671-4695.2019.22.019 [8] 许涛. PCT、CRP对于重症颅脑损伤患者肺部感染早期诊断价值的研究[D]. 青岛: 青岛大学, 2014. [9] 金伶, 龙兴江, 杨彤, 等. 血清白蛋白联合红细胞体积分布宽度对心力衰竭严重程度的评估价值[J]. 临床儿科杂志, 2018, 36(5): 360-363. doi: 10.3969/j.issn.1000-3606.2018.05.010 [10] 张健, 李兰, 范世明. CD64指数、sTREM-1、CRP/Alb比值对重症肺炎患者的诊断和预后价值分析[J]. 热带医学杂志, 2019, 19(7): 890-893. doi: 10.3969/j.issn.1672-3619.2019.07.019 [11] 邱浩, 赵志宏, 程丰, 等. 血清sTREM-1和CRP/Alb比值在肺癌患者术后肺部感染早期诊断中的应用价值[J]. 西部医学, 2020, 32(3): 443-447. doi: 10.3969/j.issn.1672-3511.2020.03.031 [12] AKSARAY S, ALAGOZ P, INAN A, et al. Diagnostic value of sTREM-1 and procalcitonin levels in the early diagnosis of Sepsis[J]. North Clin Istanb, 2016, 3(3): 175-182. http://europepmc.org/articles/PMC5336621/
[13] YU Y, ZHU C, LIU C, et al. Diagnostic performance of soluble triggering receptor expressed on myeloid cells-1 in ventilator-associated pneumonia of patients with ischemic stroke[J]. Can J Infect Dis Med Microbiol, 2017, 2017: 9513690. http://europepmc.org/articles/PMC5340949/
-
期刊类型引用(7)
1. 陈凡杰，胡秀红，王萍. 超微血管成像联合剪切波弹性成像在乳腺影像学报告及数据系统4类结节诊断中的应用价值. 大医生. 2025(05): 123-125 . 
百度学术
2. 康林，刘喜，程浩，周金池，马鹏，窦维佳，刘震雄. 人工智能在早期食管癌内镜诊断中的应用进展. 空军军医大学学报. 2024(04): 465-471 . 百度学术
3. 袁杰，汪成，笪应芬，吴林生. 联合应用二维、三维超微血管成像修正S-Detect分类良、恶性乳腺囊实性病变. 中国医学影像技术. 2024(04): 545-548 . 百度学术
4. 袁杰，汪成，笪应芬. 萤火虫成像联合应变弹性成像校正人工智能S-Detect技术对乳腺囊实性肿块良恶性的诊断价值. 中国医疗器械杂志. 2024(04): 426-429+439 . 百度学术
5. 丛小宇，笪应芬，胡佳飞，汪成. S-Detect技术辅助校正BI-RADS分类鉴别诊断乳腺黏液癌. 中华实用诊断与治疗杂志. 2024(09): 871-876 . 百度学术
6. 钟树兴，郭红梅，刘美玲，王霞. 多模态超声联合人工智能S-Detect技术对BI-RADS 4类乳腺结节的诊断分析. 影像技术. 2024(05): 4-9+25 . 百度学术
7. 叶绮婷，吴斯琪，孙秋水，张彩华，黄小玲，梁劲松. 人工智能S-Detect技术辅助诊断乳腺良恶性结节的应用价值. 影像研究与医学应用. 2023(24): 67-70 . 百度学术
其他类型引用(1)
计量
- 文章访问数: 443
- HTML全文浏览量: 237
- PDF下载量: 28
- 被引次数: 8
苏公网安备 32100302010246号