刘中华
- 作品数：9 被引量：25H指数：4
- 供职机构：福建医科大学附属泉州第一医院更多>>
- 发文基金：福建省科技重大专项福建省自然科学基金更多>>
- 相关领域：医药卫生更多>>
- 人工智能超声辅助诊断系统联合超声造影对ACR TI-RADS 4类结节的诊断价值被引量：4
- 2023年
- 目的分析人工智能超声辅助诊断系统(AI-UADS)联合超声造影对ACR TI-RADS 4类结节的诊断价值。方法选取我院经手术病理证实的甲状腺结节患者84例,共92个结节,均为ACR TI-RADS 4类,其中恶性结节17个,良性结节75个,比较AI-UADS与超声造影单独及联合对ACR TI-RADS 4类良恶性结节的诊断效能。结果超声造影准确诊断恶性结节14个,良性结节61个,诊断甲状腺恶性结节的灵敏度、特异度、准确率、阳性预测值、阴性预测值分别为82.35%、81.33%、81.52%、50.00%、95.31%;AI-UADS准确诊断恶性结节15个,良性结节62个,诊断甲状腺恶性结节的灵敏度、特异度、准确率、阳性预测值、阴性预测值分别为88.24%、82.67%、83.70%、53.57%、96.88%;二者联合准确诊断恶性结节14个,良性结节70个,联合诊断甲状腺恶性结节的灵敏度、特异度、准确率、阳性预测值、阴性预测值分别为82.35%、93.33%、91.30%、73.68%、95.89%。AI-UADS联合超声造影诊断甲状腺恶性结节的特异度和阳性预测值均高于单独诊断,差异均有统计学意义(均P<0.05)。结论AI-UADS和超声造影对甲状腺ACR TI-RADS 4类良恶性结节均具有较好的诊断效能,二者联合应用可有效提高诊断特异度和阳性预测值。
- 林少坤曾志雄刘中华吴秀明余卫峰郭旭蔡怀杰
- 关键词：良恶性
- 超声引导下经皮自动负压式肾穿刺活检术463例
- 2007年
- 肾炎是临床常见病、多发病之一．不同类型的肾炎患者临床表现有些相似，造成临床诊断、分型及治疗的困难。治疗前行肾穿刺活检，病理检查为临床诊断提供了客观的依据，从而有助于临床明确诊断及分型，并进行针对性治疗，提高疗效。
- 曾志雄骆剑煌孙安毅刘中华吴建平沈世忠
- 关键词：肾穿刺活检术超声引导治疗前病理检查常见病
- 隆突性皮肤纤维肉瘤的超声表现被引量：6
- 2019年
- 目的:分析隆突性皮肤纤维肉瘤(DFSP)的声像图表现,探讨超声对该病的诊断价值.方法:回顾性分析19例经病理诊断为DFSP的超声表现,结合文献资料,分析该病的声像图特点.结果:19例术前超声表现为位于皮下的单发结节,最大径1.7~6.0 cm,18例(94.7%)呈椭圆形,1例(5.3%)呈类圆形;2例(10.5%)可见小分叶,余病灶形态规则;所有病灶边界清楚,内部呈不均匀低回声,后方回声增强;病灶周边及内部均可见血流信号,1例(5.3%)为Ⅰ级血流,3例(15.8%)为Ⅱ级血流,15例(78.9%)为Ⅲ级血流,可测及低阻力动脉频谱,RI为0.46~0.68.术后病理表现为皮下单发结节,最大径2.2~8.0 cm,组织学表现倾向为DFSP.19例均未发现转移病灶.结论:DFSP的声像图表现具有一定的特征性,可作为临床诊断的参考依据.
- 刘中华曾志雄黄阿评
- 关键词：隆突性皮肤纤维肉瘤超声检查多普勒
- 彩色多普勒超声在乳腺BI-RADS 4类病灶良恶性鉴别诊断中的应用意义被引量：2
- 2018年
- 目的:研究彩色多普勒超声在乳腺BI-RADS 4类病灶良恶性鉴别诊断中的诊断效果。方法:临床纳入112例本院2013年8月至2016年8月期间收治的乳腺癌影像报告和数据系统(BI-RADS)4类乳腺病变患者作为研究对象。均给予彩色多普勒超声血流显像联合超声弹性成像检测,并经病理确诊。观察彩色多普勒超声对乳腺BI-RADS 4类病灶良恶性鉴别诊断中的价值。结果:病理检查结果显示良性病变74例(66.07%),恶性病变38例(33.93%)。CDFI检查中良性病变Adler 0~Ⅰ级检出率明显高于恶性病变,Ⅱ~Ⅲ级检出率明显少于恶性病变。UE评分中良性病变1~3分检出率明显高于恶性病变,4~5分检出率明显低于恶性病变。校正后BI-RADS分类ROC曲线下面积明显高于BI-RADS分类ROC曲线下面积。结论:CDFI联合UE检查可明显提高BI-RADS 4类乳腺病变诊断率,避免了病理检查的创伤,为临床早期诊断乳腺疾病提供了较好方法。
- 刘中华黄阿评
- 关键词：彩色多普勒超声乳腺病变BI-RADS良性病变恶性病变
- 人工智能自动识别胎儿颜面部超声标准切面的研究被引量：9
- 2021年
- 目的:探讨人工智能(AI)自动识别与分类胎儿颜面部超声标准切面(FFUSP)的价值。方法:以妊娠20~24周FFUSP图像为研究对象,含标准集1906张和实验集4532张。标准集分为训练集和测试集用于训练和测试AI模型识别分类鼻唇冠状切面、正中矢状面、经双眼球横切面及非标准切面;以产科超声专家分类为标准,比较分析AI、初级医生组、中级医生组对实验集FFUSP图像识别分类能力差异。结果:AI对测试集各切面的分类准确率均达97%以上,中级医生对实验集FFUSP各切面识别能力皆优于初级医生(P<0.05)。AI对FFUSP各切面总体识别效能优于初级医生和中级医生(P<0.05),与专家分类一致性强(P<0.05);AI分类效率显著优于医生人工分类(P<0.05)。结论:AI对FFUSP识别分类具有较高准确性,可作为胎儿超声规范化培训和图像质量控制的辅助方法。
- 刘中华王小莉王小莉杜永兆吕国荣吴秀明杜永兆
- 关键词：人工智能超声检查胎儿
- 三维能量多普勒超声产前诊断胎盘植入性疾病被引量：4
- 2021年
- 目的评价三维能量多普勒超声(3D-PDUS)产前诊断胎盘植入性疾病(PAS)的价值。方法纳入116例经超声诊断为前置胎盘孕妇,采用二维超声观察胎盘及周边结构,以3D-PDUS测量相关血流参数。根据产后临床及病理诊断将孕妇分为PAS组(n=32)及无PAS组(n=84);根据胎盘绒毛侵袭子宫肌层深度将PAS组分为粘连性胎盘(PA)亚组(n=12)及异常侵袭性胎盘(AIP)亚组(n=20)。比较组间及亚组间3D-PDUS参数的差异。绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC),评价3D-PDUS参数诊断PAS的效能。采用Cochran Q检验比较3D-PDUS参数与二维超声诊断PAS效能的差异。结果PAS组血管化指数(VI)、流量指数(FI)及血管流量指数(VFI)均显著高于无PAS组(P均<0.05);AIP亚组VI及VFI均显著高于PA亚组(P均<0.05);亚组间FI差异无统计学意义(P>0.05)。VI、FI及VFI诊断PAS的效能均较高,VI与VFI的敏感度、特异度及准确率均无明显统计学差异(P均>0.05);FI与二维超声诊断效能差异无统计学意义(P均>0.05);VI及VFI诊断效能明显高于FI及二维超声(P均<0.05)。结论3D-PDUS定量检测胎盘及周边结构血流参数可用于产前诊断PAS。
- 刘中华吴秀明黄阿评郭旭吕国荣
- 关键词：胎盘植入超声检查
- 基于实时目标检测网络的胎儿颜面部超声切面识别及应用
- 2024年
- 目的:探讨基于实时目标检测网络的人工智能(AI)模型在胎儿颜面部超声检查中的应用价值。方法:以妊娠20~24周正常胎儿颜面部超声标准切面(FFUSP)图像为研究对象,构建基于实时目标检测网络的FFUSP识别模型,观察其对FFUSP及其解剖结构的识别精度;通过临床验证分析其对119例胎儿超声图像中FFUSP识别效能以评价其临床应用价值。结果:AI模型对胎儿颜面部结构识别的整体查准率为97.8%、查全率为98.5%、mAP@.5为98.1%、mAP@.5:.95为61.0%。在临床验证中,AI模型对颜面部解剖结构识别的敏感度、特异度、阳性预测值、阴性预测值及准确率分别为100.0%、98.5%、87.4%、100.0%、98.7%,与胎儿超声专家分类一致性强(k=0.925,P<0.001);对3类标准切面图像的识别准确率为100%;动态视频检测平均速度为33.93帧/s。结论:基于实时目标检测网络的FFUSP识别模型性能优越,可应用于实时超声检查辅助诊断、教学及智能化质量评价。
- 刘中华余卫峰吴秀明薛浩吕国荣王小莉吕国荣
- 关键词：超声检查人工智能胎儿颜面部
- 早孕期胎儿颜面部超声筛查切面图像质量评价系统的构建及验证
- 2023年
- 目的 构建一种基于YOLOv4模型的早孕期胎儿颜面部超声筛查切面自动识别及图像质量评价系统,并验证该模型的识别效能。方法 收集2021年1月至2022年12月我院妊娠11~14周胎儿颜面部超声筛查切面图像为研究对象,分为模型构建集(1001张图像)和临床验证集(610张图像),其中模型构建集按8∶1∶1分为训练集、测试集和验证集,用于训练、测试和验证人工智能(AI)模型对正中矢状面(MSP)、鼻后三角切面(RNT)的分类与识别,临床验证集用于评价AI模型的临床泛化能力。采用Kappa检验及Kendall协同系数分析AI模型与专家级超声医师识别MSP和RNT及评价图像质量等级的一致性。结果 成功构建了自动识别早孕期胎儿颜面部超声筛查切面及图像质量评价的AI模型,该模型对测试集图像中各关键解剖结构的查准率、查全率和F1分数均>80%。AI模型识别验证集图像中MSP和RNT的准确率分别为94.9%、92.9%,与专家级超声医师分类的一致性均好(Kappa=0.888、0.810);AI模型识别临床验证集图像中MSP和RNT的准确率分别为94.0%、84.4%,与专家级超声医师分类的一致性均良好(Kappa=0.751、0.690)。AI模型对临床验证集图像中MSP和RNT图像质量评价结果与专家级超声医师评价结果的总体一致性均良好(Kendall’s W=0.760、0.789)。结论 应用AI模型识别早孕期颜面部超声筛查切面具有较高的准确性,可作为初级医师及基层医师培训和图像质量评价的辅助方法。
- 余卫峰薛浩刘中华柳培忠郭旭吴秀明吕国荣
- 关键词：早孕期颜面部
