Citation: | SONG Linke, JIANG Jue, WANG Juan, ZHOU Qi. Value of artificial intelligence assisted scoring system combined with ultrasound elastography in the diagnosis of benign and malignant thyroid nodules[J]. Journal of Clinical Medicine in Practice, 2021, 25(4): 7-10. DOI: 10.7619/jcmp.20201478 |
[1] |
LIU Q H, CHENG J, LI J J, et al. The diagnostic accuracy of contrast-enhanced ultrasound for the differentiation of benign and malignant thyroid nodules: a PRISMA compliant meta-analysis[J]. Medicine (Baltimore), 2018, 97(49): e13325. doi: 10.1097/MD.0000000000013325
|
[2] |
邓龙, 马苏美. 甲状腺结节良恶性诊断现状分析[J]. 临床超声医学杂志, 2018, 20(5): 336-339. doi: 10.3969/j.issn.1008-6978.2018.05.014
|
[3] |
ABOUDI N, GUETARI R, KHLIFA N. Multi-objectives optimisation of features selection for the classification of thyroid nodules in ultrasound images[J]. IET Image Process, 2020, 14(9): 1901-1908. doi: 10.1049/iet-ipr.2019.1540
|
[4] |
HOANG J K, MIDDLETON W D, FARJAT A E, et al. Reduction in thyroid nodule biopsies and improved accuracy with American college of radiology thyroid imaging reporting and data system[J]. Radiology, 2018, 287(1): 185-193. doi: 10.1148/radiol.2018172572
|
[5] |
LIU T J, GUO Q Q, LIAN C F, et al. Automated detection and classification of thyroid nodules in ultrasound images using clinical-knowledge-guided convolutional neural networks[J]. Med Image Anal, 2019, 58: 101555. doi: 10.1016/j.media.2019.101555
|
[6] |
OKI T, SUGIMOTO T, OGAWA M, et al. Evaluation of follow-up examinations using ultrasonography for patients with thyroid nodules initially diagnosed as benign[J]. Anticancer Res, 2019, 39(4): 2061-2067. doi: 10.21873/anticanres.13317
|
[7] |
李婷婷, 卢漫, 巫明钢, 等. 计算机辅助诊断系统对甲状腺结节的诊断价值研究[J]. 中华医学超声杂志: 电子版, 2019, 16(9): 660-664. doi: 10.3877/cma.j.issn.1672-6448.2019.09.004
|
[8] |
刘建, 李改, 刘瑞雪, 等. 超声弹性成像及应变率比值在良恶性甲状腺结节诊断鉴别中的应用[J]. 中国地方病防治杂志, 2019, 34(1): 93-94. https://www.cnki.com.cn/Article/CJFDTOTAL-DYBF201901033.htm
|
[9] |
叶冯颖, 李尚青, 苏淇琛, 等. 计算机辅助诊断系统基于不同指南诊断甲状腺良恶性结节的对比分析[J]. 临床超声医学杂志, 2020, 22(9): 694-696. doi: 10.3969/j.issn.1008-6978.2020.09.017
|
[10] |
王洪杰, 于霞, 田进军, 等. 人工智能在超声影像甲状腺结节良恶性预测研究[J]. 中国医学装备, 2019, 16(12): 28-31. https://www.cnki.com.cn/Article/CJFDTOTAL-YXZB201912008.htm
|
[11] |
张长军, 刘百敬, 王春辉. 超声弹性成像应变率比值与硬度分级鉴别诊断甲状腺良恶性结节的临床价值[J]. 中国超声医学杂志, 2017, 33(5): 388-391. doi: 10.3969/j.issn.1002-0101.2017.05.002
|
[12] |
薛杰, 曹小丽, 姜宏, 等. 甲状腺影像报告与数据系统联合超声弹性成像对甲状腺良恶性结节的诊断价值[J]. 中国医学影像学杂志, 2015, 23(5): 351-355. doi: 10.3969/j.issn.1005-5185.2015.05.008
|
[13] |
郭芳琪, 赵佳琦, 刘晟. 人工智能自动检测系统在甲状腺结节术前超声诊断中的应用[J]. 第二军医大学学报, 2019, 40(11): 1183-1189. https://www.cnki.com.cn/Article/CJFDTOTAL-DEJD201911004.htm
|
[14] |
王丹, 花瞻, 武敬平, 等. 甲状腺结节的超声人工智能诊断[J]. 中国超声医学杂志, 2019, 3(12): 1070-1072. doi: 10.3969/j.issn.1002-0101.2019.12.005
|
[15] |
张金堂, 黄品同, 骆洁丽. 超声造影与弹性成像联合评分法对TI-RADS4类甲状腺结节良恶性的诊断价值[J]. 中华超声影像学杂志, 2017, 26(8): 677-681. doi: 10.3760/cma.j.issn.1004-4477.2017.08.008
|
[16] |
张斌, 余秀华, 施红, 等. 常规超声、超声造影及弹性成像在甲状腺结节良恶性鉴别中的价值[J]. 医学影像学杂志, 2018, 28(6): 913-916. https://www.cnki.com.cn/Article/CJFDTOTAL-XYXZ201806012.htm
|
[17] |
于立超, 吴长君. 结合甲状腺影像报告及数据系统的甲状腺超声CAD的研究进展[J]. 临床与病理杂志, 2018, 38(3): 628-633. https://www.cnki.com.cn/Article/CJFDTOTAL-WYSB201803029.htm
|
[18] |
王洪杰, 田进军, 吴建华, 等. 人工智能在CT诊断甲状腺结节中的临床研究[J]. 中国医学装备, 2020, 17(4): 17-20. https://www.cnki.com.cn/Article/CJFDTOTAL-YXZB202004006.htm
|
1. |
夏冬梅,石光顺,韩婷婷,金水. 血清半胱氨酸蛋白酶抑制剂S在胃癌患者中的诊断价值. 实用临床医药杂志. 2025(02): 48-51 .
![]() | |
2. |
匡重英. 肿瘤标志物CEA、CA-199联合检测在消化道肿瘤诊断中的应用价值. 医学信息. 2025(03): 138-140+144 .
![]() | |
3. |
郑舒丹,杨柳. 内镜黏膜下剥离术与腹腔镜根治术用于早期结直肠癌患者临床疗效对比. 中国肿瘤外科杂志. 2025(01): 31-35 .
![]() | |
4. |
孙红梅. 胃肠镜检查联合血清CEA水平检测对消化道肿瘤早期诊断的价值分析. 中国实用医药. 2024(18): 88-90 .
![]() | |
5. |
陈阿红,周小安,花睿. 血清CRP与肿瘤标志物检测在消化道恶性肿瘤诊断中的价值. 检验医学与临床. 2022(11): 1502-1504+1509 .
![]() | |
6. |
周笑世,常江,彭立雄,柳溪林,尉发正,徐健峰,章沙沙,胡盼,柳增善,张国军. MC1R在食管鳞癌细胞和组织中高表达. 南方医科大学学报. 2022(10): 1552-1559 .
![]() | |
7. |
王远飚,董坚,李慧,马继龙,张琪鹏,张锦平,陈艳. 影响Ⅱ、Ⅲ期结直肠癌术后复发或转移的临床因素分析. 中国肿瘤外科杂志. 2022(06): 545-549 .
![]() | |
8. |
张营,闫隔,冯新歌. 胃肠镜检查联合血清CEA水平对消化道肿瘤的诊断价值分析. 湖北民族大学学报(医学版). 2022(04): 40-43+47 .
![]() |