乳腺癌的常用篩查方法有以下幾種：
時間：2022-03-25 04:54:02 | 來源：行業(yè)動態(tài)
時間：2022-03-25 04:54:02 來源：行業(yè)動態(tài)
1. 乳腺自檢及臨床乳腺檢查（CBE）
其缺點為針對早期體積較小的腫瘤容易漏診，因此整體診斷敏感度較低。
2. 乳腺鉬靶X線檢查（MAM）
微鈣化是乳腺癌的一個重要特征，近一半的乳腺癌在早期X線片上可見細顆粒鈣化集簇表現(xiàn)。然而MAM亦有局限性，在致密型乳房病例，其診斷率明顯下降，造成漏診，而我國有近30%女性屬于致密型乳房。
3. 乳腺超聲檢查（BUS）
BUS可以較好的顯示乳腺腫瘤的特征，能鑒別X線片上無法顯影的腫物，但其對于僅以微鈣化為影像學表現(xiàn)的導管原位癌敏感性差。而且，超聲檢查依賴操作醫(yī)生的水平，診斷準確性受主觀影響大。
4. 乳腺核磁共振成像（MRI）
MRI可以清晰的顯示軟組織影，并且無輻射，還可以發(fā)現(xiàn)除原發(fā)灶外的額外病灶及周邊淋巴轉(zhuǎn)移灶。因此MRI對乳腺術(shù)前檢查術(shù)后復查評估等方面有意義。
通過上述方法可以看出，除乳腺自檢及臨床乳腺檢查外，其余方法均有較客觀的影像學資料， 但是影像科醫(yī)生每天要處理和瀏覽成千上萬幅影像圖片，工作強度非常大。同時，有些病灶的影像學表現(xiàn)比較復雜，即使是經(jīng)驗豐富的醫(yī)生，面對海量的數(shù)據(jù)，難免會因為視覺疲勞等原因出現(xiàn)判斷偏差，可能會影響診斷結(jié)論的準確性。將這些影像學及臨床資料匯集，就為人工智能技術(shù)提供了大數(shù)據(jù)基礎(chǔ)。人工智能的影像識別和深度學習能力，能夠幫助醫(yī)生篩除正常影像，著重標注疑似病灶的區(qū)域，讓影像科醫(yī)生審片更加精準高效，人工智能在影像識別的速度上勝于人工操作，同時也有利于臨床醫(yī)生制定針對性的治療方案， 特別對于偏遠地區(qū)和基層醫(yī)生而言，這一技術(shù)的應用更加意義重大。
英特爾技術(shù)團隊和匯醫(yī)慧影緊密合作，幫助提升乳腺癌篩查的檢測精度和效率。將用于乳腺癌篩查的深度學習模型，應用在英特爾至強可擴展處理器平臺上，大幅度提升了數(shù)據(jù)的處理和推理效率，這得益于至強可擴展處理器平臺的多數(shù)據(jù)流處理機制和對軟件框架的性能優(yōu)化：
在線咨詢