超声影像特征在乳腺癌检测中的应用

超声影像特征在乳腺癌检测中的应用

ID:33385118

大小:1.14 MB

页数:28页

时间:2019-02-25

超声影像特征在乳腺癌检测中的应用_第1页
超声影像特征在乳腺癌检测中的应用_第2页
超声影像特征在乳腺癌检测中的应用_第3页
超声影像特征在乳腺癌检测中的应用_第4页
超声影像特征在乳腺癌检测中的应用_第5页
资源描述:

《超声影像特征在乳腺癌检测中的应用》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、武汉科技大学硕士学位论文超声影像特征在乳腺癌检测中的应用姓名:叶华容申请学位级别:硕士专业:流行病与卫生统计学指导教师:曾婧;叶方立2012-12-14武汉科技大学硕士学位论文第1页超声影像特征在乳腺癌检测中的应用摘要目的:乳腺癌是全世界妇女癌症死亡的第一位,由于病因仍然不清楚,早期发现和早期诊断则是控制癌症的关键,据此可提高治愈率、生存率,降低病死率和医疗费用,而高频彩超医学检查是最常用于乳腺疾病早期诊断和疾病分类的一种方法。本研究的目的是探讨超声影像特征与乳腺肿块的良恶性之间的鉴别诊断价值,以提

2、高和改善高频彩超诊断乳腺癌的准确性。方法:对216例乳腺肿块患者术前常规进行彩超检查,应用半定量方法确定肿块的大小、形态、部位、边界、有无包膜、内部回声、有无后方衰减及钙化点、腋窝淋巴结有无肿大等参数,并定量检测观察肿块的周边及内部血流分布情况。同时收集患者病理组织学检查结果,利用SPSS19.0统计软件进行二分类logistic回归分析和和Fisher逐步判别分析。结果:二元logistic回归分析结果显示,乳腺良性肿块边界比恶性组清晰(P<0.05),恶性肿块无明显包膜,有蟹足或毛刺,检出率较良

3、性组高(P<0.01),后方回声改变为回声衰减,两组检出率差异有统计学意义(P

4、型的验证结果显示:训练样本自身验证的灵敏度和特异度分别为93.1%和96.5%;训练样本交叉验证的灵敏度和特异度分别为90.3%和95.8%;验证样本的灵敏度和特异度分别为88.5%和90.5%;ROC曲线下面积为0.988。结论:本研究结果显示,乳腺癌的超声影像形态学特征与乳腺肿块分类识别问存在关联,高频彩超有助于乳腺癌早期诊断,Logistic回归模型和判别分析模型可作为乳腺癌早期发现和鉴别诊断的有效分析方法。关键词:乳腺癌;早期发现;超声影像;logistic回归:判别分析第1I页武汉科技大学

5、硕士学位论文———————————————————————————————————————————————————————————————————————————————————一————————————————————一ApplicationofUltrasoundImageFeatureinBreastCancerDetectionandC:lassificationMasterstudent:YeHua—rongThesisadvisor:ZengJingSupervise:YeFang-li

6、AbstractObiectiveBreastcanceristhefirstleadingcauseofcancerdeathforwomenallovertheworld.Sincethecauseofthediseaseremainsunknown,earlydetectionanddiagnosisisthekeyforbreastcancercontrol,anditcanincreasetheSUCCESSoftreatment,savelivesandreducecost.Ultras

7、oundimagingisoneofthemostfrequentlyuseddiagnosistoolstodetectandclassifyabnormalitiesofthebreast.Thestudyaimedatexploringearlydiagnosticvalueofultrasonicimagingfeaturesbetweenbreastbenignandmalignantmasses,andinordertoimprovethediagnosticaccuracy.Metho

8、dsTwohundredandsixteencasesofbreastmassesdiagnosedpathologicallywereanalyzedretrospectively,onehundredandforty—fourcaseswerebenign,andtheremainingseventy—twoeasesweremalignant.Theultrasonographicparametersofbenignandmalignantmasseswerer

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。