典型文献
基于人工智能的超声诊断甲状腺结节的研究进展
文献摘要：
甲状腺结节极为常见,在正常人群中检出率约为20％-76％,其中甲状腺癌的发生率为7％-15％[1-2].随着检查技术的进步,甲状腺结节的检出率逐年上升,与此同时,过度诊断和过度治疗的问题也日益凸显[3-4],给患者带来了不必要的手术创伤和痛苦.因此,准确预测甲状腺结节的性质对于临床决策和管理具有重要意义.超声及其新技术、超声引导下细针穿刺活检(fine-needle aspiration,FNA)及甲状腺影像报告与数据系统(thyroid imaging reporting and data system,TI-RADS)对于甲状腺结节的诊断具有一定临床应用价值,但无法避免受到主观性判断的影响.人工智能(artificial intelligence,AI)的发展可能有助于为其提供解决方案,因此本文就基于AI的超声应用于甲状腺结节诊断的研究进展做一综述.
文献关键词：
中图分类号：
作者姓名：
陶毅;赵鹏;许祥丽;戴全;孙家宝;田家玮
作者机构：
150001 哈尔滨医科大学附属第二医院超声医学科;150056 哈尔滨市第二医院超声科
文献出处：
引用格式：
[1]陶毅;赵鹏;许祥丽;戴全;孙家宝;田家玮-.基于人工智能的超声诊断甲状腺结节的研究进展)[J].中华医学超声杂志（电子版）,2022(06):578-581
A类：
B类：
超声诊断,甲状腺结节,正常人,甲状腺癌,检查技术,过度诊断,过度治疗,不必要,手术创伤,痛苦,准确预测,临床决策,超声引导下细针穿刺活检,fine,needle,aspiration,FNA,甲状腺影像报告与数据系统,thyroid,imaging,reporting,data,system,TI,RADS,临床应用价值,免受,主观性,artificial,intelligence,超声应用
AB值：
0.410831
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
