人工智能在腹部影像的研究现状与展望

【摘要】随着计算机计算能力的显著提高、深度学习算法的更新以及大型数据集的可用性,迅速地推动着人工智能在医学影像中的应用。人工智能可从影像图像中提取人眼无法辨别的有价值信息,并且为分析图像数据提供了有前途的新方法,使得放射科医生有可能将人工智能纳入临床实践中。本文就人工智能在腹部影像的研究现状做简要介绍,并展望人工智能在腹部影像学中应用的前景。     

RSNA2020中枢神经影像学与分子影像学

2020年RSNA会议中枢神经系统方面的报告主要集中于:应用深度学习方法识别脑卒中和大血管闭塞;脑胶质瘤的分子分型及异质性、疗效评价以及预后判断;人工智能在图像处理、疾病诊断及预后判断方面的应用;头颈部肿瘤的诊断和鉴别;认知障碍的诊断、分类及疾病进展;扩散成像和颅内血管成像的新应用等。以分子影像学为主题的报告主要内容包括新型对比剂和新的影像学成像方法在肿瘤以及其他疾病(包括阿尔茨海默病、癫痫、炎症性肠病、软骨损伤)中的应用。本文将对相关研究进展进行综述。     

深度学习与骨骼影像自动化处理

【摘要】深度学习是一种以神经网络为架构、对数据进行表征学习的机器学习算法,是近年来人工智能领域新兴的研究方向,目前已成功应用于医学影像学中的多个领域,如皮肤癌的分类、糖尿病视网膜病变检测及肺结节的评估等,深度学习在骨骼影像中的应用也日益受到关注。本文对深度学习在骨骼影像自动化处理方面的研究进展进行综述。     

深度学习影像组学在脑胶质瘤精准诊疗中的研究进展

脑胶质瘤的影像评估已进入精准诊疗时代, 传统影像学诊断已不能满足临床需求。随着大数据挖掘和人工智能的飞速发展, 其为脑胶质瘤的精准影像学评估带来了新契机, 其中深度学习影像组学显示出巨大的应用潜力。该文旨在对深度学习影像组学在脑胶质瘤中的研究进展、面临的挑战和展望进行综述, 以期助力推动智能影像辅助脑胶质瘤精准诊疗的发展。     

下腔静脉影像学征象对容量状态评估的研究进展

在影像学高度发达的今天,如何深度挖掘影像学数据中所蕴含的血流动力学信息成为了新的研究方向,找到一种简单易行、准确度高的容量评估手段是危急重症医疗工作者的目标。本文详尽介绍了下腔静脉这一可通过超声和CT测量的容量性血管作为容量评估辅助手段的方法、应用现状、优势及局限性,为后期下腔静脉影像学征象在容量状态评估方面的研究与应用提供思路。     

原发性中枢神经系统淋巴瘤的影像诊断方法

原发性中枢神经系统淋巴瘤的影像学表现多种多样,甚至与其它颅内肿瘤及脱髓鞘病变影像学表现相似,传统的影像学方法很难区别。本文综述影像学新技术在诊断原发性中枢神经系统淋巴瘤的应用价值。     

基础研究

深度学习在光声图像重建及其影像诊断中的应用。生物医学光子学技术可以提供高对比度的生物组织图像,能够实现高分辨率的三维成像,部分光学成像技术已从实验室发展到临床应用阶段。但临床繁复的工作流程限制了同时满足图像的快速形成和可解释性,这对新型光学成像技术在诊疗过程中的应用提出了新挑战。近年来,深度学习与神经网络在光学图像重建、分割和分类这些问题上的应用受到了广泛关注,本文通过回顾深度学习在光学成像诊断技术在临床应用中的进展情况,如在光声图像重建过程中应用深度学习算法对不完全采样的数据进行处理,实现传统算法不可比拟去除伪影和噪声的重构效果;用深度学习算法实现与资深临床医师准确率相近的血管轮廓分割以及光声断层图像所含血管结构所属的血管层的识别,解释了这些方法如何适用于光学成像过程,并讨论了未来深度学习应用于光学诊疗中的方向和挑战。     

医学影像学网格技术——医学影像学数据共享的新动向

随着医学影像技术的快速发展，各种医学图像数据已成为基础医学、临床医学中应用最为广泛的信息形式之一。今天，医学影像学描述特定个体状态的数据已经从结构到功能；从整体、器官、组织到细胞、基因乃至分子水平。但是问题的另一个方面是，虽然应用图像处理技术可以分析和解读从CT、MRI等获取的数据中提取形态、功能方面的信息，并以此来解释相关的生命现象。但是，如何从大量数据中有效地挖掘出规律并形成相关的知识是医学影像学发展面临的一个重要命题。从总体而言，信息的提取总是滞后于数据的产生。计算机网格（grid）技术的快速发展为克服“数据-信息-知识-应用”这个因果链中的瓶颈提供了崭新的技术手段。     

深度学习在光声图像重建及其影像诊断中的应用

生物医学光子学技术可以提供高对比度的生物组织图像,能够实现高分辨率的三维成像,部分光学成像技术已从实验室发展到临床应用阶段。但临床繁复的工作流程限制了同时满足图像的快速形成和可解释性,这对新型光学成像技术在诊疗过程中的应用提出了新挑战。近年来,深度学习与神经网络在光学图像重建、分割和分类这些问题上的应用受到了广泛关注,本文通过回顾深度学习在光学成像诊断技术在临床应用中的进展情况,如在光声图像重建过程中应用深度学习算法对不完全采样的数据进行处理,实现传统算法不可比拟去除伪影和噪声的重构效果;用深度学习算法实现与资深临床医师准确率相近的血管轮廓分割以及光声断层图像所含血管结构所属的血管层的识别,解释了这些方法如何适用于光学成像过程,并讨论了未来深度学习应用于光学诊疗中的方向和挑战。     

深度学习用于影像学预测肺腺癌浸润性的研究进展

基于影像学的早期肺腺癌浸润性预测, 对于肺结节的临床管理、手术方法和预后评估具有重要意义。相比于基于特征构建的统计学方法和影像组学方法, 以卷积神经网络为基础的深度学习方法用于预测肺腺癌浸润性具有性能高、可靠性强、自动勾画等优势, 有很好的应用前景。目前已有研究对多模态学习、浸润性分类、多任务处理、辅助临床、可解释性等领域进行了探索, 并提高了模型的预测准确度。随着融合模态的丰富、多中心大样本的建立、小样本学习方法的应用以及前瞻性研究的开展, 深度学习将在肺腺癌浸润性的预测中发挥更重要的作用。     

RSNA2014分子影像学

RSNA2 014报道的分子影像学相关研究进展主要针对分子影像学在中枢神经系统、头颈部、乳腺、腹盆腔及骨肌系统等方面的应用进行了分类讨论;并对新型靶向对比剂及探针的研发和临床应用做以阐述.     

中枢神经系统非典型畸胎瘤样/横纹肌样瘤影像表现三例

非典型畸胎瘤样/横纹肌样肿瘤(atypical teratoid/rhabdoid tumor,AT/RT)是一种小儿罕见的中枢神经系统恶性肿瘤,在 WHO(2007)神经系统肿瘤分类中,AT/RT被定义为中枢神经系统恶性胚胎性肿瘤(WHO Ⅳ级),占1～17岁儿童中枢神经系统原发肿瘤的1.3%,占0～2岁婴幼儿中枢神经系统肿瘤的6.7%[1].国内关于此瘤的报道大多涉及病理学[2],有关影像学方面报道非常少[3],且均为个案报道.笔者搜集3例AT/RT,并对其影像表现进行分析.     

人工智能技术在乳腺影像诊断中的应用进展

人工智能作为一种通过计算机来模拟人类思考过程及智力活动的技术,已成为近几年研究的热点。其目前在医学领域也得到了许多应用,并且随着人工智能的不断发展,特别是深度学习在视听识别任务中表现出来的强大的能力,使得人工智能在医学影像学的应用逐渐增加。本文就人工智能的发展及人工智能在乳腺影像方面的应用进行综述。     

RSNA 2021胸部影像学

2021年RSNA年会的主题是重塑影像学(Redefining Radiology),旨在探索未来影像的新理念、新技术和新方向.2019年底突如其来的新型冠状病毒肺炎席卷全球,与新型冠状病毒肺炎感染相关的影像学研究成为今年的新增热点.深度学习、人工智能以及影像组学热潮不减,在医学影像发展中依然占据主要地位.肺结节相关、...     

深度学习技术在骨折诊断中应用的研究进展

骨折多为直接或间接外力导致, 严重时可导致患者死亡。伤后及时、明确的骨折诊断对确定创伤严重程度起着重要作用。医学影像学是骨折诊断和评估的重要工具, 但影像造影不清、影像数量过多及医师的主观性阅片均会降低诊断效率, 影响后续治疗。基于深度学习技术的骨折诊断模型可以有效减少由于骨折影像造影不清晰所导致的漏诊、误诊, 展现出了良好的诊断能力。笔者就深度学习技术及其在骨折诊断中应用的研究进展进行综述, 为深度学习技术在临床骨折诊断的研究与应用提供新思路。     

基于纹理分析和深度学习的肝纤维化研究进展

【摘要】肝纤维化的早期诊断和治疗,对于防治肝硬化、肝癌有重要价值,肝纤维化的非创伤性影像学诊断一直以来都是肝纤维化研究的重点。近年来,针对目前影像学检查包含的大量多模态图像信息,利用影像组学和深度学习等人工智能方法,通过分析图像中的人眼不能直接识别的海量图像信息实现辅助临床诊断受到社会各界的广泛关注。目前纹理分析和深度学习等方法在肝纤维化无创性诊断方面已经取得有效的临床进展。     

7.0 T氢质子磁共振波谱成像在中枢神经系统疾病中的应用进展

在中枢神经系统疾病的发生发展过程中, 功能代谢改变常早于形态学改变, 磁共振波谱(MRS)成像是目前唯一能够无创检测活体组织器官代谢物种类及其含量的影像学手段。相较于3.0 T, 7.0 T MRS成像的信噪比和分辨率明显提高, 能够更加精准评估微量代谢物、降低克拉默-拉奥下限以及分离因化学结构相似而具有重叠共振的物质。该文就7.0 T1H-MRS在脑肿瘤、脱髓鞘、癫痫等中枢神经系统疾病的发病机制、早期诊断、治疗决策及疗效评估中的最新研究进展进行综述, 以期为进一步的临床应用提供参考。     

人工智能在肺部疾病影像诊断中的应用现状及前景

肺部疾病种类较多、影像表现各异且有较多重叠,不易诊断。仅凭肉眼从大量图像中筛检微小病变,常导致漏诊。人工智能利用其图像识别及深度学习功能,可从图像中快速提取出人眼无法识别的有价值信息,在肺部疾病的诊断特异性和敏感性方面具有独特优势。随着肺部疾病影像数据各种模型的建立,其在肺部疾病影像诊断、筛查等方面的作用日益突出,可显著提高诊断准确性。现就人工智能技术的产生、发展,以及在肺部疾病影像诊断中的应用现状、前景和面临的问题进行综述。     

小儿脑发育的MRI和MRS(上)

近年来发展的MRI新技术可在活体内无创地获得脑发育过程中结构、代谢和功能等多方面的信息.先进的MRI技术如3D MRI、扩散张量成像、fMRI和MRS等能够对小儿脑发育过程进行研究和监测.掌握正常脑发育的规律和影像学表现是理解和研究脑发育病理过程的基础.     

小儿脑发育的MRI和MRS（上）

近年来发展的MRI新技术可在活体内无创地获得脑发育过程中结构、代谢和功能等多方面的信息。先进的MRI技术如3D MRI、扩散张量成像、fMRI和MRS等能够对小儿脑发育过程进行研究和监测。掌握正常脑发育的规律和影像学表现是理解和研究脑发育病理过程的基础。