探讨基于深度学习的常规超声联合超声弹性成像诊断乳腺良恶性肿瘤的价值。
回顾性分析2018年9月至2021年4月浙江金华广福肿瘤医院收治并进行活检穿刺检查的乳腺肿瘤患者60例，所有患者进行深度学习的常规超声、超声弹性成像单项及联合检查，最终以病理学检查为金标准。比较分析基于深度学习的常规超声、超声弹性成像单项及联合检查对乳腺良恶性肿瘤的检出率，明确乳腺肿瘤在各项检查下的肿瘤特征，分析各项检查单项及联合对乳腺良恶性肿瘤的诊断价值。
在60例乳腺肿瘤中，基于深度学习的常规超声对乳腺良恶性肿瘤检出率为76.67%（46/60）；超声弹性成像对乳腺良恶性肿瘤检出率为83.33%（50/60）；基于深度学习的常规超声联合超声弹性成像对乳腺良恶性肿瘤检出率为95.00%（57/60）；基于深度学习的常规超声检查乳腺良恶性肿瘤成像特征中，肿瘤直径鉴别乳腺良恶性肿瘤差异无统计学意义（χ2=0.18，P > 0.05），肿瘤边界、形态、包膜、内部回声、后方回声衰弱、钙化、血流信号、纵横比鉴别乳腺良恶性肿瘤差异均有统计学意义（χ2=11.21、9.48、12.93、9.47、12.86、11.45、9.39、21.70，均P < 0.05）；超声弹性成像评分鉴别乳腺良恶性肿瘤差异有统计学意义（χ2=41.58，P < 0.05）；基于深度学习的常规超声融合超声弹性成像诊断乳腺恶性肿瘤的灵敏度、特异度、准确度最高，分别为96.67%、93.33%、95.00%。
乳腺良恶性肿瘤运用基于深度学习的常规超声联合超声弹性成像的诊断价值较高。
版权归中华医学会所有。
未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
除非特别声明，本刊刊出的所有文章不代表中华医学会和本刊编委会的观点。
乳腺肿瘤是发生于乳房组织的肿瘤，该病有良恶性之分，其发病率较高，研究统计显示，乳腺恶性肿瘤发病率为16.51%［1, 2］。影响乳腺肿瘤发病的原因多与遗传、激素相关［3］。乳腺恶性肿瘤中，乳腺癌占98%左右，其预后较差，相关调查显示，乳腺癌患者5年生存率只有65%左右［4］。因此，早期明确诊断及治疗对乳腺癌患者的预后有重要意义。乳腺良性肿瘤虽很少对患者构成生命威胁，但影响其美观，也有可能会出现恶变的情况［5］。随着超声的普及，超声筛查诊断乳腺良性肿瘤已成为主要的检查方法［6］。但随着影像学的飞速发展，深度学习正逐步进入图像领域，其中的卷积神经网络可通过学习直接输入图像数据，提取高层次特征，以获取代表疾病的特征［7］。超声弹性成像检查主要通过评估靶向组织硬度鉴别乳腺良恶性肿瘤［8］。目前关于基于深度学习的常规超声联合超声弹性成像诊断乳腺良恶性肿瘤的临床研究报道较少［9, 10］。因此，本研究旨在探讨基于深度学习的常规超声联合超声弹性成像诊断乳腺良恶性肿瘤的价值。现报告如下。
