基于虚拟现实的人工智能技术在放射科临床教学中的应用现状及展望

放射科作为一门临床辅助诊断的学科,不仅具有较强的专业性,而且具有较高的实践性,因此,具有综合素质强的放射科专业人才非常重要。现阶段,在放射科的临床教学工作中,还存在各种各样的不足之处,如学生的学习积极性低,缺乏学习兴趣,师生之间缺乏有效的交流互动,教学效率不高,教学理念落后等。人工智能在医学影像诊断中的应用已经逐渐成熟,在医学教育领域中,将人工智能技术与虚拟现实相结合,可提供更直观、更立体的影像,帮助医师更准确地进行病变诊断和分析。本文对基于虚拟现实的人工智能技术在放射科临床教学中的应用现状进行综述,以期提升其普及率,进而提升放射科临床教学工作的质量及效率。

非影像专业住院医师在放射科规范化培训的探索

住院医师规范化培训(简称住培)是毕业后医学教育的重要阶段,而放射科培训在住培中占据着越来越重要的地位。非影像专业住院医师在放射科培训有其独特性。该文以海军军医大学长征医院为例,对非影像专业住院医师在放射科住培轮转进行探索。

深度学习在磁共振图像超分辨率重建中的应用

磁共振成像(MRI)是医学影像学中一项重要的非侵入性检查技术,受限于磁共振硬件设备和扫描时间,有些磁共振图像具有较低的空间分辨率;深度学习技术的兴起为解决MRI图像分辨率问题提供了新的途径。本研究首先概述了MRI图像超分辨率重建的背景;其次,深入探讨了在MRI图像超分辨率重建任务中,各种深度学习方法的应用,并对这些方法进行详细的分析,对每种算法的工作原理、优势及其在图像重建过程中的效能表现进行评估;最后,讨论了深度学习技术在MRI图像超分辨率重建中的关键挑战,并对未来研究趋势进行展望。

深度学习技术在肺癌影像学诊断中的应用进展

在全球范围内,肺癌的发病率和死亡率居恶性肿瘤的首位,在中国,随着人口老龄化的进程,肺癌已成为严重危害人民生活健康的重要疾病之一,中晚期肺癌5年生存率仅有15%左右,早发现、早诊断、早治疗是提高肺癌生存率和降低死亡率的关键。近年来,人工智能技术快速发展,已进入到临床诊疗环节,其中肺癌影像诊断是人工智能技术发展最快、相对成熟的领域,人工智能在肺癌诊疗中发挥着重要作用。人工智能辅助影像学数据深度挖掘的应用涵盖了肺癌诊疗环节的方方面面,在图像重建、肺结节检出、肺结节分类、结节测量、疗效评估及组织病理学诊断等领域都有了长足的进步。本文从人工智能在肺癌影像学诊断中的分割、分类、疗效评估及图像重建等方面的进展进行重点阐述,以期更好地认识和推广人工智能技术在肺部影像学诊断中的应用。

X线诊断腰椎间盘突出症的临床效果及准确率影响评价

目的:探究分析X线诊断腰椎间盘突出症的临床效果及准确率影响评价。方法:随机选取2017年1月—2019年6月在我院进行检查的46例疑似腰椎间盘突出症患者,分为对照组以及观察组各23例,对照组采用CT检查诊断,观察组采用X线检查诊断,对比观察两组诊断方法的结果以及X线的影像学表现。结果:观察组中的检出率以及确诊率均高于对照组,并且观察组的影像学检查表现中的椎间隙前窄后宽例数最多,占确诊例数的50.00%。结论:X线平片对于腰椎间盘突出症的诊断有较好的临床效果,不仅可以反映患者的腰椎生理曲度的弯曲情况以及腰椎盘的间隙的改变情况,还可以提高其检出率并且提高确诊率,对初步诊断腰椎间盘突出症有一定的临床价值。

双层探测器光谱CT在头颈部疾病中的研究进展

双层探测器光谱CT是目前唯一的探测器驱动的双能量CT,具有辐射剂量低、对比剂使用剂量低、影像质量高、能量解析准确的优势。其在减少头颈部CT影像的金属伪影、提高隐匿性病变的检出、改善头颈部血管的显示、评估血管斑块负荷、鉴别不同头颈部疾病中具有重要价值。就双层探测器光谱CT在头颈部影像质量改善、脑卒中诊治、颈动脉粥样硬化、头颈部肿瘤中的研究现状及进展进行综述。

牵引下仰卧全脊柱拼接片投照技术与临床应用效果分析

目的:研究牵引下仰卧全脊柱拼接片对于中重度脊柱侧弯矫正手术的临床应用价值。方法:回顾性选取本院2018年4月至2020年12月进行牵引下负重全脊柱(颈椎—胸椎—腰椎—骨盆)正侧拍摄患者为研究对象,按要求筛选,共纳入54例病例,记录并统计患者年龄、性别、Cobb角、主弯、顶椎偏移距离类型等情况,其中24例为家人辅助牵引负重,30例为机械辅助装置牵引负重。进行站立位和负重位图像质量分析及所得数据对比。结果:对图像结果进行统计分析,结果表明,牵引后Cobb角差(26.80±1.79)、顶椎偏移距离差(0.29±0.60)、PO差(9.00±1.09)、RSH差(0.50±0.20),与站立位相比差异具有统计学意义(P<0.05)。在家属辅助牵引中配合差导致图像数据无意义8例,成功16例;机械负重辅助装置牵引中配合差导致图像无意义2例,成功28例。结论:对于患有中、重度脊柱侧弯的患者,进行负重牵引下DR全脊柱拼接片所拍摄图像测得Cobb角、PO、RSH、顶椎偏移距离等数据,可为制定手术矫正方案提供重要参考意义。

人工智能在肺癌筛查中的研究进展

肺癌发病率和死亡率居恶性肿瘤之首,严重危害人类健康,开展肺癌筛查至关重要。近年来,随着人工智能技术的快速发展,其在肺癌的检出、诊断等方面的研究取得一定的成果。本文将从肺癌筛查的意义、国内外肺癌筛查现状、人工智能技术概况及在肺癌筛查中的研究现状等方面进行综述。

AI对非门控胸部LDCT平扫冠状动脉钙化积分危险分层的预测价值

目的探讨人工智能(AI)在非门控胸部低剂量CT(LDCT)平扫冠状动脉钙化积分(CACS)危险分层中的预测价值。方法回顾性收集接受冠状动脉CT血管成像(CCTA)检查及非门控LDCT平扫的病人152例(训练集与测试集比例为2∶1),训练集为上海长征医院收集的102例病人;测试集为武汉同济医院收集的50例病人。分别由AI模型和2名中年资影像医师在所有病人影像上勾画钙化,获得CACS后进行CACS危险分层(低危、中危和高危),使用手动标注非门控LDCT的训练集数据,构建非门控LDCT的CACS及其危险度分层的AI模型。将测试集数据导入AI模型进行验证,与心电门控CT平扫获得的标准CACS及其危险分层进行对比分析,分别记录放射科医师手动评估及AI模型自动评估测试集CACS所需时间。采用分类准确度、组内相关系数(ICC)、Kappa检验和BlandAltman一致性分析评估AI模型的性能,并采用Wilcoxon符号秩检验比较AI模型与标准CACS危险分层间的差异。采用配对t检验比较AI、影像医师评估CACS危险分层所需时间。结果在训练集和测试集中,标准CACS的中位数分别为165.89(36.04,425.76)、96.50(25.75,346.75),AI模型测得CACS的中位数分别为167.07(43.17,449.11)、75.51(24.30,250.74),两者一致性均较好[ICC分别为0.977(0.965,0.984)、0.989(0.980,0.994)]。在测试集中进行Bland-Altman一致性分析,结果显示AI模型评估的CACS与标准CACS差值在95%一致性界限内的病例有48例,界限外的只有2例。在训练集和测试集中,AI模型预测的CACS危险度分层与标准CACS危险度分层的一致性均较好(κ值分别为0.895、0.899,均P<0.001)。AI模型预测训练集CACS危险分层的分类准确度为97.1%,其中对高危、中危、低危的分类准确度分别为96.9%、95.1%、100%。AI模型预测测试集CACS危险分层的分类准确度为94.0%,其中对高危、中危、低危的分类准确度分别为100.00%、82.40%、100.00%。AI模型预测测试集CACS危险分层与标准CACS危险分层的差异无统计学意义(Z=2.00,P=0.564)。采用AI模型评估不同CACS危险分层所需时间均较放射科医师少(P<0.001)。结论AI模型能够较为准确地评估LDCT平扫的CACS及其危险分层,明显提高工作效率,具有一定的临床应用价值。

成人偶发孤立性骨病变的CT和MRI诊断管理指南解读

基于对当前文献和专家意见的回顾,美国骨放射学会实践指南和技术标准委员会针对CT和MRI检查中偶然发现的孤立性骨病变提出了诊断管理指南——骨报告和数据系统(Bone-RADS),并介绍了4种可能的诊断管理建议:Bone-RADS 1,不处理;Bone-RADS 2,进行其他影像学检查;Bone-RADS 3,进行随访;Bone-RADS 4,活检和/或肿瘤学转诊。同时提出2种基于病变CT密度的分类方法和2种基于病变MRI信号的分类方法,可以对孤立性骨病变给出特定的管理建议。笔者以该指南内容为基础,对重点内容进行解读。

应用全模型迭代重建技术的低剂量CT肝脏体积测定的临床应用价值

目的:探讨低剂量下全模型迭代重建(iterative model reconstruction,IMR)技术在肝脏体积测定中的应用。方法:将40例受检者的常规剂量肝脏增强计算机体层成像(computed tomography,CT)门静脉期图像采用滤波反投影(filter back projection,FBP)重建并标记为A组;低剂量肝脏增强CT延迟期图像采用IMR并标记为B组。对两组图像的肝脏边缘锐利度、肝段分界标志锐利度进行主观评价,采用Philips星云工作站中的肝脏分段软件对肝脏进行三维重建,根据Couinaud分段测得肝脏总体积及Ⅰ~Ⅷ段体积,并计算肝段体积比(liver segmental volume ratio,LSVR)。两组图像主观评价比较采用Wilcoxon符号秩检验;两组图像客观指标及辐射剂量的比较采用配对样本t检验。结果:B组对于A组主观评价差异有统计学意义(Z=-4.025,P<0.05),A组中位数(3分)低于B组(4分)。A、B组肝脏总体积分别为(1 197.75±215.50)、(1 193.17±214.70)mL;肝Ⅰ段体积分别为(18.28±8.79)、(18.45±8.59)mL;肝Ⅱ段体积分别为(100.99±33.17)、(98.28±33.58)mL;肝Ⅲ段体积分别为(127.02±60.49)、(126.40±57.82)mL;肝Ⅳ段体积分别为(178.84±53.83)、(178.08±51.57)mL;肝Ⅴ段体积分别为(165.67±53.88)、(169.16±61.09)mL;肝Ⅵ段体积分别为(132.41±62.95)、(129.36±59.28)mL;肝Ⅶ段体积分别为(180.58±69.35)、(175.36±65.74)mL;肝Ⅷ段体积分别为(253.34±68.82)、(248.63±63.50)mL。A、B组之间肝脏总体积、肝Ⅰ~Ⅷ段体积及LSVR差异均无统计学意义(P>0.05)。B组对于A组有效剂量均降低75%以上。结论:低剂量条件下应用IMR技术对比常规剂量FBP重建可以明显降低剂量,提高肝脏边缘锐利度,可准确重建肝段图像,并且得到准确的总肝体积、肝Ⅰ~Ⅷ段体积及LSVR的定量数据。

肺结节生长预测的研究现状及展望

早发现、早诊断是降低肺癌患者死亡率的有效途径。肺癌计算机体层成像(computed tomography,CT)筛查中发现的大量肺结节分类复杂、性质多样,指南意见分歧大,临床处理争议多,诊断治疗过度或不足非常常见。其主要原因是对结节的生长趋势预测不准确,不能根据结节的具体情况进行个性化精准处理。肺结节的生长预测对于筛查阳性者的管理和个性化精准诊疗方案的制订起着重要作用。因此,本文拟对近5年肺结节生长预测的相关研究作一述评。

仰卧位髌骨轴位在膝关节疼痛患者检查的临床应用价值

目的:探讨仰卧位髌骨轴位在膝关节疼痛患者诊检查的临床应用价值。方法:筛选出筛选出我院骨关节外科2015—2018年进行拍摄常规髌骨轴位失败的60例患者,将对其再次进行仰卧位髌骨轴位拍摄,进行拍摄所得图像的质量评判是否符合诊断要求。以及临床骨科医生初诊怀疑髌骨脱位可能患者30例进行加拍仰卧位改良髌骨轴位,进行常规方式和改良方式图像质量分析及对比。结果:60例常规髌骨轴位拍摄失败患者进行改良方式拍摄得到图像优质50例,显示不清10例。30例对比组图像中常规髌骨轴位诊断脱位14例,仰卧位改良髌骨轴位24例。结论:仰卧位改良髌骨轴位对于诊断髌骨脱位方面比常规髌骨轴位诊断率高,且在体位设计上比常规髌骨轴位简单方便,容易被检查者接受,成功率及图像质量均取得良好效果,并且满足诊断要求,具备临床应用价值。

颈椎仰卧水平侧位X线投照技术和临床应用效果分析

目的:探讨颈椎仰卧水平侧位在临床应用中的价值。方法:筛选因颈部外伤无法站立患者100例及颈椎术后无法配合常规直立式颈椎侧位拍摄检查患者100例,共计200例均改为颈椎仰卧水平侧位进行检查,对其检查图像进行质量评估。结果:综合图像质量分析统计,颈椎C1-C4节段椎体平均显示率为96.3%;C5-C6节段椎体平均显示率为52%;C7-T1节段椎体平均显示率为33%;经过辅助双肩定向负重牵拉后,C5-C6节段及C7-T1节段椎体显示率均有提升(81.5%、57.5%),差异具有统计学意义(P<0.05)。结论:颈椎仰卧水平位检查方式在颈外伤及颈椎术后患者中可更好地解决无法直立配合检查的问题,为患者带来便捷,减少检查过程中的疼痛,为制订临床诊断治疗方案提供指导。

胸部X线(正位)肺结节数据集构建与质量控制专家共识

采用人工智能进行肺结节辅助检测已经在医疗器械领域成为成熟的应用,这一技术可以有效地帮助影像医师快速准确地发现肺结节,从而提高体检和肺癌筛查在肺癌防治中的效率和效果。胸部X线(正位)在肺结节检测中具有辐射剂量低、检查速度快、设备资源分配充分以及检查费用低等特点。随着影像组学和人工智能技术在胸部X线(正位)领域的逐渐应用,数据标注和质量控制对于人工智能算法和产品的发展起到了至关重要的作用。本专家共识旨在为胸部X线(正位)肺结节数据的采集、标注以及质量控制提供指导意见,促进胸部X线(正位)肺结节标准化标注数据集的建设,为人工智能算法和产品的训练、调优和测试提供重要的依据,从而推动医学影像人工智能技术的快速发展以及进一步实现临床应用。

双能CT在胃肠道肿瘤中的研究进展

双能CT(dual⁃energy computed tomography,DECT)首次提出假设是在20世纪70年代,由于技术上的困难,直到2006年才被用于常规临床工作。目前常用的实现双能扫描技术包括双源、瞬时kV切换及双层探测器等。常规单能CT(single⁃energy computed tomography,SECT)能够提供组织和器官的形态学参数,依赖的是不同组织之间的密度差异。

新型冠状病毒肺炎肺部影像人工智能产品研发现状与进展

新型冠状病毒肺炎(COVID-19)疫情暴发以来,作为全球突发重大公共卫生事件,受检者骤然增多、影像学数据海量增长,均给一线的医务工作者带来了巨大的压力。此时,快速、精准的影像诊断显得尤为重要,这是疫情成功防控的重要环节,同时也面临着严峻的挑战。COVID-19影像人工智能产品的及时研发在提高诊疗效率方面发挥了重要的作用,但也显现出了我国人工智产品研发过程中亟需解决的共性问题,需要引起政府及业界的重视,以加速产业的健康发展。

CT特征预测胸膜下临床ⅠA期周围型肺腺癌脏层胸膜侵犯的价值

目的探讨CT特征预测胸膜下临床ⅠA期周围型肺腺癌脏层胸膜侵犯(VPI)的价值。方法回顾性分析2015年1月至2021年11月于海军军医大学长征医院诊断为胸膜下临床ⅠA期周围型肺腺癌274例患者的CT征象。按照6∶4的比例,将2015年1月至2019年8月收集的164例患者作为训练组,将2019年8月至2021年11月收集的110例患者作为验证组。定量测量肿瘤最大径、实性成分最大径、病灶与胸膜间最小距离,计算实性成分占比;并分析肿瘤的CT征象,如肿瘤与胸膜的关系分型、是否存在桥征、病灶的位置、密度类型、形状、边缘、边界等。采用单因素分析找出与VPI相关的变量,再进行多因素logistic回归分析,明确VPI的独立危险因素,建立二元logistic回归模型。在训练组和验证组中使用受试者操作特征曲线评估模型的预测效能。结果274例肺腺癌中有VPI 121例,无VPI 153例。训练组中有VPI 79例、无VPI 85例。单因素分析发现训练组中实性成分最大径、实性成分占比、密度类型、毛刺征、血管集束征、肿瘤与胸膜关系、桥征在有VPI与无VPI肺腺癌患者间差异有统计学意义(P<0.05)。多因素logistic回归分析发现训练组中肿瘤与胸膜关系[以Ⅰ型为参照,Ⅱ型(OR=6.662,95%CI 2.364~18.571,P<0.001),Ⅲ型(OR=34.488,95%CI 8.923~133.294,P<0.001)]及血管集束征(OR=4.257,95%CI 1.334~13.581,P=0.014)是VPI的独立危险因素。以0.504为训练组logistic回归模型的最佳截断值,其预测VPI的灵敏度为62.03%、特异度为89.41%,曲线下面积为0.826。该模型在验证组中以0.449为最佳截断值,其预测VPI的灵敏度为92.86%、特异度为47.06%,曲线下面积为0.713。结论CT特征中肿瘤与胸膜关系、血管集束征有助于鉴别胸膜下的临床ⅠA期周围型肺腺癌是否发生VPI。

可动脊柱脊索瘤的CT和MRI征象分析

目的探讨原发于可动脊柱脊索瘤的CT和MRI的影像表现,以提高术前诊断准确性。方法回顾性分析经手术病理证实的45例原发于可动脊柱脊索瘤的影像学特点。38例行CT及CTA检查,35例行MRI及增强扫描。结果45例可动脊柱脊索瘤中,75.6%位于颈椎,6.7%位于胸椎,17.8%位于腰椎。40例表现为椎体及(或)附件区骨质破坏伴周围软组织肿块,其中31例可见肿块向椎管内突出。CT上,32例表现为溶骨性骨质破坏,30例伴有骨质硬化,21例病变内可见钙化或残留的骨棘。CTA上,20例血管被包绕或推挤而无狭窄或侵犯。MRI上,T_(1)WI示肿瘤表现为混杂低信号(28例),T_(2)WI上表现为混杂高信号(32例),典型者表现为“蜂房样”改变。增强扫描间隔及包膜呈“花环样”轻度至明显程度强化。结论可动脊柱脊索瘤主要位于颈椎,CT和MRI可清楚显示肿瘤的骨质破坏方式、程度及向邻近结构侵袭等生物学行为特征。溶骨性骨质破坏伴骨质硬化及T_(2)WI上“蜂房样”高信号的软组织肿块主要为其典型的影像学表现。