目的 超声是中国女性乳腺检查的常用方法，提升超声医生临床诊断效率对乳腺筛查的全
面普及意义重大。 尽管医生目前有自己的模板生成超声报告，但从模板到最终形成报告，还有很多繁琐
工作需要医生完成。 本文尝试通过人工智能（ ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ，ＡＩ）技术，辅助医生完成部分繁琐工
作，提高医生完成乳腺超声报告的效率。 方法 首先基于乳腺影像报告和数据系统的词汇索引以及医生
临床经验，归纳出结构化特征描述语句；然后基于卷积神经网络（ ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ，ＣＮＮ） ＋
Ｔｒａｎｓｆｏｒｍｅｒ 模型获取患者的良恶性分类信息，基于 Ｕｎｅｔ 和冒泡排序模型自动标记、测量病灶最大径和
计算纵横比；最后 ＡＩ 综合上述信息生成初步诊断报告，用以辅助医生生成最终报告。 结果 ＡＩ 报告特征
描述语句准确率达 ８１?? ５２％，病灶最大径相对误差为 １０?? ８％，纵横比准确率达到 １００％，提升医生撰写报
告效率达到 ６８?? ３１％。 结论 该模型在保证准确率的情况下，能够有效减少医生撰写报告时间，为优化乳
腺超声检查流程提供了技术基础