切换至 "中华医学电子期刊资源库"
高级检索
中华医学超声杂志（电子版）

中华医学超声杂志（电子版） ›› 2019, Vol. 16 ›› Issue (04) : 252 -256. doi: 10.3877/cma.j.issn.1672-6448.2019.04.004

所属专题： 文献；

浅表器官超声影像学

计算机辅助诊断系统鉴别甲状腺结节良恶性的诊断效能及其影响因素
许敏1, 韩峰1, 罗晓1, 王建伟1, 郑玮1, 郭智兴1, 林庆光1, 李安华1,†()   
  1. 1. 510060　广州，中山大学肿瘤防治中心超声心电科　华南肿瘤学国家重点实验室　肿瘤医学协同创新中心
  • 收稿日期:2019-03-10 出版日期:2019-04-01
  • 通信作者: 李安华

Diagnostic efficacy of computer aided diagnosis system in differentiating benign and malignant thyroid nodules and its influencing factors

Min Xu1, Feng Han1, Xiao Luo1, Jianwei Wang1, Wei Zheng1, Zhixing Guo1, Qingguang Lin1, Anhua Li1,†()   

  1. 1. Department of Ultrasound, Sun Yat-sen University Cancer Center, State Key Laboratory of Oncology in South China, Collaborative Innovation Center for Cancer Medicine, Guangzhou 510060, China
  • Received:2019-03-10 Published:2019-04-01
  • Corresponding author: Anhua Li
  • About author:
    Corresponding author: Li Anhua, Email:
全文 ( ) 下载PDF ( ) 导出引用
引用本文：

许敏, 韩峰, 罗晓, 王建伟, 郑玮, 郭智兴, 林庆光, 李安华. 计算机辅助诊断系统鉴别甲状腺结节良恶性的诊断效能及其影响因素[J]. 中华医学超声杂志（电子版）, 2019, 16(04): 252-256.

Min Xu, Feng Han, Xiao Luo, Jianwei Wang, Wei Zheng, Zhixing Guo, Qingguang Lin, Anhua Li. Diagnostic efficacy of computer aided diagnosis system in differentiating benign and malignant thyroid nodules and its influencing factors[J]. Chinese Journal of Medical Ultrasound (Electronic Edition), 2019, 16(04): 252-256.

目的

评估计算机辅助诊断系统（CAD）鉴别甲状腺结节良恶性的诊断效能及其影响因素。

方法

回顾性分析2013年1月至2017年12月就诊于中山大学附属肿瘤医院的1035例患者资料（共1065个甲状腺结节），所有甲状腺结节均经超声引导下细针穿刺活检或外科手术证实。利用CAD系统基于Kwak提出的甲状腺影像报告与数据系统（K-TI-RADS）、美国甲状腺协会（ATA）指南、美国放射协会（ACR）发表的ACR-TI-RADS指南分为3组并进行分析，以病理结果为"金标准"，建立受试者工作特征（receiver operator characteristic，ROC）曲线，计算曲线下面积（area under the ROC curve，AUC），采用Z检验比较组间AUC的差异。根据约登指数最大的切点值确定最佳诊断临界点，计算以最佳诊断临界点区分良恶性时，不同组间的敏感度、特异度、阳性预测值、阴性预测值和准确性，采用McNemar检验比较各组间差异。

结果

ACR-TI-RADS指南诊断甲状腺结节的曲线下面积（AUC）高于K-TI-RADS及ATA指南（0.743 vs 0.703，0.743 vs 0.693），差异均有统计学意义（Z=3.026、3.669，P均<0.01）。ACR-TI-RADS指南敏感度高于K-TI-RADS指南（91.95% vs 63.98%），差异有统计学意义（P<0.001），与ATA指南比较（91.95% vs 90.04%），差异无统计学意义（P=0.7123）。以4c类为诊断界值时，K-TI-RADS指南特异度最高（66.23% vs 49.74%，66.23% vs 47.38%），差异均有统计学意义（P均<0.001）。结节大小影响CAD的诊断效能，其中当结节最大径线为5~<10 mm或≥20 mm时，CAD的AUC最大,差异有统计学意义（P<0.001）。而CAD在正常甲状腺背景与桥本甲状腺炎背景下，AUC比较，差异无统计学意义（P=0.82）。

结论

甲状腺CAD基于ACR-TI-RADS指南进行诊断时，显示出更好的诊断效能，而结节大小影响CAD的诊断效能。

关键词: 甲状腺结节, 超声检查, 计算机辅助诊断系统
Objective

To determine the diagnostic efficacy of the computer aided diagnosis (CAD) system in discriminating malignant and benign thyroid nodules and the possible influencing factors.

Methods

This retrospective study analyzed 1035 patients with 1065 thyroid nodules at Sun Yat-sen University Cancer Center between May 2013 and October 2017. All the nodules was proven by ultrasound guided fine needle aspiration cytology or thyroidectomy. The CAD system was used to analyze the thyroid nodules, according to the categories defined by the K-TI-RADS, ATA, and ACR-TI-RADS guidelines. Using pathology as the gold standard, receiver operating characteristic (ROC) curve analysis was performed to evaluate the diagnostic efficacy of the CAD system. In addition, the differences of CAD diagnostic efficacy were compared among different thyroid nodule sizes and thyroid background.

Results

The area under the ROC curve (AUC) of the ACR-TI-RADS was higher than those of the K-TI-RADS (Z=3.026, P=0.0025) and ATA (Z=3.669, P<0.001). The sensitivity of the ACR-TI-RADS was better than that of the K-TI-RADS (P<0.001), and was comparable to that of the ATA (P=0.7123). Using 4C as the cutoff value, the K-TI-RADS demonstrated a significantly higher specificity than the ATA and ACR-TI-RADS (P<0.001). The size of thyroid nodules influenced the diagnostic efficacy of CAD. The AUCs of CAD in the 5~<10 mm and ≥20 mm group were higher than those in the 10~<15 mm and 15~<20 mm group (P<0.001). There was no significant difference in AUC of the CAD between the normal background and Hashimoto thyroiditis background groups (P=0.82).

Conclusion

The CAD system exhibits a better diagnostic efficacy based on the ACR-TI-RADS, and the size of thyroid nodules influences the diagnostic efficacy of CAD

Key words: Thyroid nodule, Ultrasonography, Computer aided diagnosis
图1 CAD的使用流程。图a将图片以文件夹的形式导入工作站，可分析的图片格式包括DICOM或JPG/BMP；图b为方便下一步结节大小的测量，需要在图片上选取1 cm长的距离进行定标（红色虚线所示）；图c定位结节最长径线及与之垂直的最长径线;图d基于上述2条线，CAD可自动勾画ROI区域；图e在勾画ROI区域之后，CAD可自动对病灶的6个特征（回声类型、边缘、内部回声、强回声点、纵/横比>1、无回声区域）进行分析；图f为CAD结合所提取的特征自动生成诊断报告，诊断报告根据7个指南对甲状腺结节进行恶性风险分层
图2 CAD基于ATA、ACR-TIRADS及K-TI-RADS三个指南进行诊断时的受试者工作特征曲线
表1 基于K-TI-RADS、ATA和ACR-TI-RADS指南时CAD的诊断效能
组别 AUC 最佳诊断临界点 诊断准确性（%） 敏感度（%） 特异度（%） 阳性预测值（%） 阴性预测值（%）
K-TI-RADS 0.703 4c 64.79 63.98 66.23 77.21 50.70
ATA 0.693 高度可疑恶性 75.59 90.04 49.74 76.21 73.64
ACR-TI-RADS 0.743 7分 75.96 91.95 47.38 75.75 76.69
表2 不同结节大小时计算机辅助诊断系统的诊断效能
结节最大径线（mm） 个数 敏感度（%） 特异度（%） AUC
5~<10 129 94.68 20.00 0.747
10~<15 279 95.93 27.59 0.626
15~<20 205 93.87 38.10 0.731
≥20 452 84.88 57.49 0.747
表3 不同甲状腺背景时计算机辅助诊断系统的诊断效能
甲状腺背景 结节数目 敏感度（%） 特异度（%） AUC
正常甲状腺 960 91.43 47.40 0.743
桥本甲状腺炎 105 79.55 64.71 0.723
1
Haugen BR, Alexander EK, Bible KC, et al. 2015 American Thyroid Association Management Guidelines for Adult Patients with Thyroid Nodules and Differentiated Thyroid Cancer: The American Thyroid Association Guidelines Task Force on Thyroid Nodules and Differentiated Thyroid Cancer [J]. Thyroid, 2016, 26(1): 1-133.
2
Tessler FN, Middleton WD, Grant EG, et al. ACR Thyroid Imaging, Reporting and Data System (TI-RADS): White Paper of the ACR TI-RADS Committee [J]. J Am Coll Radiol, 2017, 14(5): 587-595.
3
Gharib H, Papini E, Garber JR, et al. American Association Of Clinical Endocrinologists, American College Of Endocrinology, And Associazione Medici Endocrinologi Medical Guidelines for Clinical Practice for the Diagnosis And Management Of Thyroid Nodules--2016 Update [J]. Endocr Pract, 2016, 22(5): 622-639.
4
Baig FN, Lunenburg J, Liu SYW, et al. Computer-aided assessment of regional vascularity of thyroid nodules for prediction of malignancy [J]. Sci Rep, 2017, 7(1): 14350.
5
Chang Y, Paul AK, Kim N, et al. Computer-aided diagnosis for classifying benign versus malignant thyroid nodules based on ultrasound images: A comparison with radiologist-based assessments [J]. Med Phys, 2016, 43(1): 554.
6
Lim KJ, Choi CS, Yoon DY, et al. Computer-aided diagnosis for the differentiation of malignant from benign thyroid nodules on ultrasonography [J]. Acad Radiol, 2008, 15(7): 853-858.
7
Yu Q, Jiang T, Zhou A, et al. Computer-aided diagnosis of malignant or benign thyroid nodes based on ultrasound images [J]. Eur Arch Otorhinolaryngol, 2017, 274(7): 2891-2897.
8
Choi YJ, Baek JH, Park HS, et al. A Computer-Aided Diagnosis System Using Artificial Intelligence for the Diagnosis and Characterization of Thyroid Nodules on Ultrasound: Initial Clinical Assessment [J]. Thyroid, 2017, 27(4): 546-552.
9
Gao L, Liu R, Jiang Y, et al. Computer-aided system for diagnosing thyroid nodules on ultrasound: A comparison with radiologist-based clinical assessments [J]. Head Neck, 2018, 40(4): 778-783.
10
Lehman CD, Wellman RD, Buist DS, et al. Diagnostic Accuracy of Digital Screening Mammography With and Without Computer-Aided Detection [J]. JAMA Intern Med, 2015, 175(11): 1828.
11
Shimauchi A, Giger ML, Bhooshan N, et al. Evaluation of clinical breast MR imaging performed with prototype computer-aided diagnosis breast MR imaging workstation: reader study [J]. Radiology, 2011, 258(3): 696-704.
12
Savelonas M, Maroulis D, Sangriotis M. A computer-aided system for malignancy risk assessment of nodules in thyroid US images based on boundary features [J]. Comput Methods Programs Biomed, 2009, 96(1): 25-32.
13
Chen KY, Chen CN, Wu MH, et al. Computerized Detection and Quantification of Microcalcifications in Thyroid Nodules [J]. Ultrasound Med Biol, 2011, 37(6): 870-878.
14
Chen KY, Chen CN, Wu MH, et al. Computerized quantification of ultrasonic heterogeneity in thyroid nodules [J]. Ultrasound Med Biol, 2014, 40(11): 2581-2589.
[1] 魏淑婕, 惠品晶, 丁亚芳, 张白, 颜燕红, 周鹏, 黄亚波. 单侧颈内动脉闭塞患者行颞浅动脉-大脑中动脉搭桥术的脑血流动力学评估[J]. 中华医学超声杂志（电子版）, 2023, 20(10): 1046-1055.
[2] 张璇, 马宇童, 苗玉倩, 张云, 吴士文, 党晓楚, 陈颖颖, 钟兆明, 王雪娟, 胡淼, 孙岩峰, 马秀珠, 吕发勤, 寇海燕. 超声对Duchenne肌营养不良儿童膈肌功能的评价[J]. 中华医学超声杂志（电子版）, 2023, 20(10): 1068-1073.
[3] 丁雷, 罗文, 杨晓, 庞丽娜, 张佩蒂, 刘海静, 袁佳妮, 刘瑾. 高帧频超声造影在评价C-TIRADS 4-5类甲状腺结节成像特征中的应用[J]. 中华医学超声杂志（电子版）, 2023, 20(09): 887-894.
[4] 张茜, 陈佳慧, 高雪萌, 赵傲雪, 黄瑛. 基于高帧频超声造影的影像组学特征鉴别诊断甲状腺结节良恶性的价值[J]. 中华医学超声杂志（电子版）, 2023, 20(09): 895-903.
[5] 朱连华, 费翔, 韩鹏, 姜波, 李楠, 罗渝昆. 高帧频超声造影在胆囊息肉样病变中的鉴别诊断价值[J]. 中华医学超声杂志（电子版）, 2023, 20(09): 904-910.
[6] 张梅芳, 谭莹, 朱巧珍, 温昕, 袁鹰, 秦越, 郭洪波, 侯伶秀, 黄文兰, 彭桂艳, 李胜利. 早孕期胎儿头臀长正中矢状切面超声图像的人工智能质控研究[J]. 中华医学超声杂志（电子版）, 2023, 20(09): 945-950.
[7] 陈舜, 薛恩生, 叶琴. PDCA在持续改进超声危急值管理制度中的价值[J]. 中华医学超声杂志（电子版）, 2023, 20(09): 974-978.
[8] 周钰菡, 肖欢, 唐毅, 杨春江, 周娟, 朱丽容, 徐娟, 牟芳婷. 超声对儿童髋关节暂时性滑膜炎的诊断价值[J]. 中华医学超声杂志（电子版）, 2023, 20(08): 795-800.
[9] 刘欢颜, 华扬, 贾凌云, 赵新宇, 刘蓓蓓. 颈内动脉闭塞病变管腔结构和血流动力学特征分析[J]. 中华医学超声杂志（电子版）, 2023, 20(08): 809-815.
[10] 郏亚平, 曾书娥. 含鳞状细胞癌成分的乳腺化生性癌的超声与病理特征分析[J]. 中华医学超声杂志（电子版）, 2023, 20(08): 844-848.
[11] 张丽丽, 陈莉, 余美琴, 聂小艳, 王婧玲, 刘婷. PDCA循环法在超声浅表器官亚专科建设中的应用[J]. 中华医学超声杂志（电子版）, 2023, 20(07): 717-721.
[12] 李卫民, 陈军民, 黄艳丽, 范晓芳, 韩文, 贾磊, 张俊超, 瞿辰. 基于中国甲状腺超声报告与数据系统分析超声在不同大小甲状腺结节中的诊断价值[J]. 中华医学超声杂志（电子版）, 2023, 20(07): 743-748.
[13] 罗刚, 泮思林, 陈涛涛, 许茜, 纪志娴, 王思宝, 孙玲玉. 超声心动图在胎儿心脏介入治疗室间隔完整的肺动脉闭锁中的应用[J]. 中华医学超声杂志（电子版）, 2023, 20(06): 605-609.
[14] 黄佳, 石华, 张玉国, 胡佳琪, 陈茜. 胎儿左头臂静脉正常与异常超声图像特征及其临床意义[J]. 中华医学超声杂志（电子版）, 2023, 20(06): 610-617.
[15] 袁泽, 庄丽. 超声检测胎儿脐动脉和大脑中动脉血流对胎儿宫内窘迫的诊断价值[J]. 中华医学超声杂志（电子版）, 2023, 20(06): 618-621.
阅读次数
全文


摘要

版权所有 中华医学会 中华医学电子音像出版社有限责任公司  京ICP备14006079号-1  网络出版服务许可证：(署)网出证(京)字第075号