联影乳腺影像 AI 辅助阅片与报告流程

在数字乳腺摄影中提供病灶定位、分类和 BI-RADS 相关辅助信息，支持放射科完成阅片与报告。

英文 PDF · 10 页 · 1.1 MB2025 版 · 文件修订日期浏览次数0

适用对象

乳腺影像、肿瘤筛查、放射科与乳腺设备产品团队

联影乳腺影像 AI 应用资料由印度尼西亚 Dharmais 肿瘤医院相关作者介绍全视野数字乳腺摄影中的辅助阅片与报告。检查数量增长和可疑病灶判断需要较多人工，方案将病灶提示、分类、测量及位置组织在同一流程中，作为放射科医生的辅助阅读工具，帮助查看需要进一步关注的影像区域。

资料中的 FFDM 应用分析乳腺摄影图像，关注肿块、钙化、结构扭曲和不对称等征象。模型利用不同视角信息学习同一乳腺的表现，结合多视图进行结果组织。文档介绍 CC 与 MLO 等常规视图背景，但具体支持的数据、设备和采集要求仍需按照产品说明确认，不能将二维摄影能力自动扩展到全部乳腺检查。

检测结果包含可疑区域、大小、形态、组织密度和位置，并提供与 BI-RADS 有关的辅助分类及概率信息。医生可以通过影像提示定位病灶，再核查其形态和其他特征。资料中的界面与病例展示说明输出怎样与阅片连接，具体诊断和进一步检查需要结合原始影像、临床情况及专业判断。

报告将定位、测量、形态描述和风险评估组织在一起，便于医生查看和形成最终报告，也可以用于复查沟通和治疗讨论。文中将它描述为辅助或第二阅读工具，强调减少重复处理和阅片者之间的差异。完整使用过程仍包含人员复核，生成分类不能直接作为患者的最终诊断或治疗安排。

材料列出乳腺影像分类背景、病例图示及应用价值，但没有公开完整训练数据、各类病灶和不同人群的独立验证结果。关于准确性、效率和患者收益的描述需要结合资料性质理解。文中明确说明所述 FFDM 应用的特定地区许可及美国临床供应限制，其他地区采用也需要核查对应产品资格。

病灶位置和大小与图像视角一起进入结果，帮助人员在不同投照方向核对同一可疑区域。形态、钙化及密度描述则为分类提供背景，报告把这些内容集中呈现。文中病例展示了多个征象同时出现时的组织方式，阅读者可以据此理解模型提示如何进入专业阅片，但单个示例不能证明全部征象和不同设备条件下的可靠性。

这份资料适合乳腺影像科、筛查管理及 AI 产品团队了解病灶提示到报告的组织方式。实际评估应关注检查质量、致密乳腺表现、不同病灶类别的错误情况、医生修改及使用时间，以及与 PACS 和报告系统的连接。内容属于具体产品和临床交流背景，不能直接据此推断所有乳腺影像 AI 具有相同功能和效果。