• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

相似文献

1
BI-RADS data should not be used to estimate ROC curves.BI-RADS 数据不应用于估计 ROC 曲线。
Radiology. 2010 Jul;256(1):29-31. doi: 10.1148/radiol.10091394.
2
Computer-aided detection in full-field digital mammography: detection in dependence of the BI-RADS categories.全视野数字化乳腺摄影中的计算机辅助检测：基于乳腺影像报告和数据系统（BI-RADS）分类的检测
Breast J. 2006 Jan-Feb;12(1):16-9. doi: 10.1111/j.1075-122X.2006.00185.x.
3
Computer-aided classification of BI-RADS category 3 breast lesions.乳腺影像报告和数据系统（BI-RADS）3类乳腺病变的计算机辅助分类
Radiology. 2004 Mar;230(3):820-3. doi: 10.1148/radiol.2303030089. Epub 2004 Jan 22.
4
Using a NPWE model observer to assess suitable image quality for a digital mammography quality assurance programme.使用非参数加权估计（NPWE）模型观察者评估数字乳腺摄影质量保证计划的合适图像质量。
Radiat Prot Dosimetry. 2010 Apr-May;139(1-3):459-62. doi: 10.1093/rpd/ncq010. Epub 2010 Apr 15.
5
External validation of a publicly available computer assisted diagnostic tool for mammographic mass lesions with two high prevalence research datasets.使用两个高患病率研究数据集对一种公开可用的乳腺钼靶肿块病变计算机辅助诊断工具进行外部验证。
Med Phys. 2015 Aug;42(8):4987-96. doi: 10.1118/1.4927260.
6
Misclassification of Breast Imaging Reporting and Data System (BI-RADS) Mammographic Density and Implications for Breast Density Reporting Legislation.乳腺影像报告和数据系统（BI-RADS）中乳腺钼靶密度的错误分类及其对乳腺密度报告立法的影响
Breast J. 2015 Sep-Oct;21(5):481-9. doi: 10.1111/tbj.12443. Epub 2015 Jul 1.
7
Computer-aided screening mammography.计算机辅助乳腺筛查钼靶摄影
N Engl J Med. 2007 Jul 5;357(1):84; author reply 85.
8
Automated and Clinical Breast Imaging Reporting and Data System Density Measures Predict Risk for Screen-Detected and Interval Cancers: A Case-Control Study.自动化和临床乳腺成像报告和数据系统密度测量预测筛查和间期癌症的风险：病例对照研究。
Ann Intern Med. 2018 Jun 5;168(11):757-765. doi: 10.7326/M17-3008. Epub 2018 May 1.
9
Predicting error in detecting mammographic masses among radiology trainees using statistical models based on BI-RADS features.使用基于乳腺影像报告和数据系统（BI-RADS）特征的统计模型预测放射科实习生检测乳腺钼靶肿块的误差。
Med Phys. 2014 Mar;41(3):031909. doi: 10.1118/1.4866379.
10
Development and evaluation of a case-based reasoning classifier for prediction of breast biopsy outcome with BI-RADS lexicon.基于乳腺影像报告和数据系统（BI-RADS）词汇表的基于案例推理分类器用于预测乳腺活检结果的开发与评估
Med Phys. 2002 Sep;29(9):2090-100. doi: 10.1118/1.1501140.

引用本文的文献

1
Breast Tomographic Ultrasound: The Spectrum from Current Dense Breast Cancer Screenings to Future Theranostic Treatments.乳腺断层超声：从当前致密型乳腺癌筛查到未来的治疗应用。
Tomography. 2024 Apr 15;10(4):554-573. doi: 10.3390/tomography10040044.
2
Deep Learning-assisted Diagnosis of Breast Lesions on US Images: A Multivendor, Multicenter Study.深度学习辅助超声图像乳腺病变诊断：一项多厂商、多中心研究
Radiol Artif Intell. 2023 Jul 12;5(5):e220185. doi: 10.1148/ryai.220185. eCollection 2023 Sep.
3
Comparison of two-view versus single-view digital breast tomosynthesis and 2D-mammography in breast cancer surveillance imaging.两种视图与单视图数字乳腺断层合成与二维乳腺 X 线摄影在乳腺癌监测成像中的比较。
PLoS One. 2021 Sep 29;16(9):e0256514. doi: 10.1371/journal.pone.0256514. eCollection 2021.
4
Comparison of Breast MRI Tumor Classification Using Human-Engineered Radiomics, Transfer Learning From Deep Convolutional Neural Networks, and Fusion Methods.使用人工设计的放射组学、深度卷积神经网络的迁移学习和融合方法对乳腺MRI肿瘤分类的比较
Proc IEEE Inst Electr Electron Eng. 2020 Jan;108(1):163-177. doi: 10.1109/jproc.2019.2950187. Epub 2019 Nov 21.
5
Stand-Alone Artificial Intelligence for Breast Cancer Detection in Mammography: Comparison With 101 Radiologists.孤立人工智能在乳腺钼靶摄影中的乳腺癌检测：与 101 位放射科医生的比较。
J Natl Cancer Inst. 2019 Sep 1;111(9):916-922. doi: 10.1093/jnci/djy222.
6
Pre- and post-contrast versus post-contrast cone-beam breast CT: can we reduce radiation exposure while maintaining diagnostic accuracy?对比增强前后与对比增强后锥形束乳腺 CT：我们能否在保持诊断准确性的同时降低辐射剂量？
Eur Radiol. 2019 Jun;29(6):3141-3148. doi: 10.1007/s00330-018-5854-8. Epub 2018 Nov 28.
7
Comparison of strain and shear wave elastography for qualitative and quantitative assessment of breast masses in the same population.比较应变和剪切波弹性成像在同一人群中对乳腺肿块的定性和定量评估。
Sci Rep. 2018 Apr 18;8(1):6197. doi: 10.1038/s41598-018-24377-0.
8
Contrast-enhanced cone-beam breast-CT (CBBCT): clinical performance compared to mammography and MRI.对比增强锥形束乳腺 CT（CBBCT）：与乳腺 X 线摄影和 MRI 的临床性能比较。
Eur Radiol. 2018 Sep;28(9):3731-3741. doi: 10.1007/s00330-018-5376-4. Epub 2018 Mar 28.
9
Dose and diagnostic performance comparison between phase-contrast mammography with synchrotron radiation and digital mammography: a clinical study report.同步辐射相衬乳腺摄影与数字乳腺摄影的剂量及诊断性能比较：一项临床研究报告
J Med Imaging (Bellingham). 2018 Jan;5(1):013503. doi: 10.1117/1.JMI.5.1.013503. Epub 2018 Feb 1.
10
One-view digital breast tomosynthesis as a stand-alone modality for breast cancer detection: do we need more?单视图数字乳腺断层合成作为一种独立的乳腺癌检测方式：我们还需要更多吗？
Eur Radiol. 2018 May;28(5):1938-1948. doi: 10.1007/s00330-017-5167-3. Epub 2017 Dec 11.

本文引用的文献

1
Assessment of medical imaging systems and computer aids: a tutorial review.医学成像系统与计算机辅助设备评估：教程综述
Acad Radiol. 2007 Jun;14(6):723-48. doi: 10.1016/j.acra.2007.03.001.
2
Influence of computer-aided detection on performance of screening mammography.计算机辅助检测对乳腺钼靶筛查性能的影响。
N Engl J Med. 2007 Apr 5;356(14):1399-409. doi: 10.1056/NEJMoa066099.
3
Diagnostic performance of digital versus film mammography for breast-cancer screening.数字化乳腺摄影与传统胶片乳腺摄影在乳腺癌筛查中的诊断性能
N Engl J Med. 2005 Oct 27;353(17):1773-83. doi: 10.1056/NEJMoa052911. Epub 2005 Sep 16.
4
Accuracy of screening mammography interpretation by characteristics of radiologists.根据放射科医生的特征评估乳腺钼靶筛查解读的准确性。
J Natl Cancer Inst. 2004 Dec 15;96(24):1840-50. doi: 10.1093/jnci/djh333.
5
The efficacy of diagnostic imaging.诊断成像的功效。
Med Decis Making. 1991 Apr-Jun;11(2):88-94. doi: 10.1177/0272989X9101100203.

BI-RADS 数据不应用于估计 ROC 曲线。

BI-RADS data should not be used to estimate ROC curves.

机构信息

Department of Radiology, University of Chicago, MC2026, Chicago, IL 60637, USA.

出版信息

Radiology. 2010 Jul;256(1):29-31. doi: 10.1148/radiol.10091394.

DOI:10.1148/radiol.10091394
PMID:20574083
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC2897690/
Abstract

After applauding the recent trend of employing receiver operating characteristic (ROC) analysis to measure diagnostic performance in large clinical studies, we discuss why Breast Imaging Reporting and Data System data should not be used to estimate ROC curves in screening mammography.

摘要

在赞扬最近在大型临床研究中使用接收者操作特征（ROC）分析来衡量诊断性能的趋势之后，我们讨论了为什么不应该使用乳腺影像报告和数据系统（BI-RADS）数据来估计筛查性乳房 X 光检查中的 ROC 曲线。