Anvendelse af ultralyd kunstig intelligens og elastografi i differentiel diagnose af skjoldbruskkirtelknolder

Skjoldbruskkirtelknogler er en af ​​de mest almindelige nodulære læsioner hos voksne, og deres forekomst er stigende. Kliniske undersøgelser har fundet ud af, at omkring 10%-15% af voksne har skjoldbruskkirtelknuder, hvoraf de fleste er godartede knuder, kun 7% af skjoldbruskkirtelknogler har tendens til at være ondartede, men hvis de ikke behandles hurtigt, vil 5% af patienterne stadig fra godartede til ondartet. Forekomsten af ​​kræft i skjoldbruskkirtlen stiger med alderen. Ifølge National Cancer Research Center opstod omkring 64.300 nye tilfælde af kræft i skjoldbruskkirtlen i verden i 2016, og omkring 1.980 døde af kræft i skjoldbruskkirtlen. Rettidig og nøjagtig påvisning af skjoldbruskkirtelknolder og differentiering af benigne og ondartede er vigtige for at forbedre den kliniske behandling og forbedre patientprognosen.

S-Detect-teknologien er et computerstøttet (CAD)-system, der for nylig er udviklet af Samsung Medical Center til ultralyd af skjoldbruskkirtlen for at hjælpe med morfologisk analyse baseret på beskrivelsen og den endelige vurdering af Thyroid Imaging Reporting and Data System (TI-RADS). måde at identificere de godartede og ondartede skjoldbruskkirtelknolder.

ECI-teknikken udfører, i modsætning til konventionel strain-elastic imaging-teknologi, en elastisk analyse af hele det todimensionelle billede. Desuden, når man måler det elastiske forhold, er det kun nødvendigt at placere et område af interesse (ROI) ved knuden. Sammenlignet med den gennemsnitlige elasticitet af det omgivende område, er det mere reflekterende af det elastiske forhold mellem massen og det omgivende væv.