胸部计算机X线摄影影像质量控制的探讨

随着计算机X线摄影(computod radiography，CR)的应用，改变了传统X线成像的方式，提高了图像的分辨能力和显示能力，给放射诊断提供了稳定的信号源和优质的图像，特别是胸部影像的质量有了明显的提高。     

胸部结节病X线平片与CT对照研究

胸部结节病Ｘ线平片与ＣＴ对照研究山耘，孙伯章，刘赓年本文通过２５例经病理证实的胸部结节病的分析，对比研究了胸部Ｘ线平片及ＣＴ对本病的诊断价值。１资料与方法自１９８３年１月至１９９５年４月，经病理证实的２５例胸部结节病思者在我科进行胸部Ｘ线平片及ＣＴ检...     

幼儿胸部X线摄片技术探讨

据有关资料统计，小儿呼吸道感染占儿科病例的比例较大，由于大多数患儿都是独生子女，家长对儿童的健康极为关注，胸透曝光时间长，患儿所受到X线辐射量就比较大，且不能保存图像，已基本被淘汰。胸部X线平片投照检查自然就成为幼儿主要的检查方法。拍摄好小儿胸片。具有重要的临床意义。     

少量胸腔积液97例患者胸部X线片和胸部CT的对比

在1993～2003年问我院共发现97例胸部CT见少量胸腔积液而胸片却为阴性的患者。我们对比97例患者的胸部X线片和CT进行了1次复习，现报告如下。     

胸部创伤的X线平片与CT比较研究

胸部创伤是较为常见的外伤急诊,在CT应用之前,常规作X线平片检查,这也是最好的检查方法。随着CT的普及,CT对胸部创伤的检查与常规X线平片检查互相补充,可提高胸部创伤诊断率。现将我院资料完整且同时进行普通X线平片、CT检查的33例胸部创伤病     

急性胸部创伤的X线表现

目的 进一步提高对急性胸部创伤的X线诊断水平。方法 回顾性分析135例急性胸外伤患者的胸部X线表现及其产生的病理基础。结果 肋骨骨折90例,皮下及绷隔积气35例,单纯性气胸5例,单纯性血胸11例,血气胸35例,肺纹理增粗89例,多发斑片影42例,舌片状实变影36例,肺血肿15例,血气囊肿6例,急性肺膨胀4例,结论 急性胸部创伤的X线表现多种多样,伤后连续的X线复查对提高诊断的准确性很有帮助。     

肾移植术后胸部并发症的X线表现

目的 探讨肾移植术后胸部并发症的X线表现，提高对该病的诊断水平。方法 回顾性分析67例。肾移植术后患者胸部并发症的临床与X线表现，实验室和超声检查结果。结果 肾移植术后胸部并发症主要为肺部感染，X线表现可分为4型：大叶性肺炎型36例(53％)，支气管肺炎型26例(38％)，栗粒型3例(4％)。结节型2例(3％)。其致病菌多为肺炎球菌30例(44％)，其次为真菌22例(32％)，结核杆菌11例(16％)和金黄色葡萄球菌4例(6％)。另外67例患者中还发现伴有心脏改变23例(30％)，胸腔积液11例(16％)和胸膜增厚3例(4％)。结论 肺部感染是肾移植术后胸部主要的并发症，X线平片是诊断该病经济、有效的检查方法，对指导治疗和判定预后有重要的临床意义。     

小儿肾病综合征胸部X线分析

小儿肾病综合征（ＮＳ）是以大量蛋白尿、高度浮肿，低蛋白血症及胆固醇血症为特征的一组综合征。本症常同时引起胸部异常，但其胸部Ｘ线表现报导甚少，本文收集我院１９９１年至１９９７年间住院诊治的１００例ＮＳ病例，对其胸部Ｘ线表现及产生机制进行分析探讨。１材料...     

基于人工智能质控系统改善胸部CT图像质量

目的 观察基于人工智能（AI）质控系统用于改善胸部CT图像质量的价值。方法 回顾性收集415例患者共1 726幅CT图像,将1 414幅用于卷积神经网络（CNN）训练、312幅用于验证;计算基于AI质控系统行胸部CT扫描的精确率（Precision）、召回率（Recall）、F1分数（F1-Score）、平均精度均值（mAP）及交并比（IOU）。前瞻性纳入21例因胸部CT图像质量不合格而拟重检患者,基于AI质控系统行胸部CT,对比2次检查结果差异。结果 基于AI质控系统行胸部CT的Precision、Recall、F1-Score、mAP及IOU均较佳。基于AI质控系统重检CT正确诊断21例。其中,首次CT误诊19例,2次检查所示肺结节面积、体积和显示质量无明显差别,而显示结节形态、边界、棘状突起、空泡征、充气支气管征、增粗扭曲血管等差异较大;漏诊、准确诊断各1例。结论 基于AI质控系统有助于改善胸部CT图像质量、提高诊断效能。     

对比自由呼吸Star-VIBE序列与呼吸末屏气C-VIBE序列胸部MR图像质量

目的比较分析以自由呼吸Star-VIBE序列与呼吸末屏气C-VIBE序列采及胸部MRI的图像质量。方法对20例患者行胸部MR检查,采集呼气末屏气C-VIBE(C-VIBE)和自由呼吸Star-VIBE(Star-VIBE)序列图像。于肺动脉干水平分别测量升主动脉、肺动脉干、降主动脉的信号强度(SI)和标准差(SD),计算图像信噪比(SNR)和SI变异系数(CV)。对图像质量进行主观评分。比较2个序列图像的SNR、CV及主观评分差异。结果 Star-VIBE图像升主动脉、肺动脉干及降主动脉SNR值均高于C-VIBE(t=-4.87、-3.38、-9.42,P均<0.05),而SI CV均低于C-VIBE图像(t=5.52、3.67、8.04,P均<0.05)。Star-VIBE图像的主观评分高于C-VIBE图像(Z=-3.74,P<0.05)。结论自由呼吸Star-VIBE序列胸部MRI的图像质量优于呼气末屏气C-VIBE序列。     

以人工智能肠道图像识别模型评估结肠镜检查前肠道准备

目的 观察人工智能肠道图像识别模型用于评估结肠镜检查前肠道准备的价值。方法 回顾性分析190例接受肠道准备评估及结肠镜检查患者，根据评估肠道准备方法将其分为观察组(以人工智能肠道图像识别模型进行判断，n=100)和对照组(仅由患者将末次粪便性状与肠道清洁准备图进行对比而判断，n=90);比较2组肠道清洁度、肠镜检查时间及腺瘤检出率。结果 观察组波士顿肠道准备量表(BBPS)评分及腺瘤检出率高于对照组，而肠镜检查时间短于对照组(P均<0.05)。结论 检查前采用人工智能肠道图像识别模型评估肠道准备情况可提高BBPS评分及腺瘤检出率并缩短肠镜检查时间。     

产科超声图像智能质量控制系统的效能北大核心CSCD

目的观察产科超声图像智能质量控制系统(IUQCS)的效能。方法以IUQCS评价64家深圳医院573名医师采集的164010幅6774胎孕中晚期胎儿声像图的质量,由2名专家(E1/E2)对其中57444幅单幅图像进行质控;对比其对切面分类及标准程度的质控效能和一致性及耗时差异。结果IUQCS质控总体标准率为81.16%,基本标准率10.10%,非标准率8.74%。IUQCS与E1/E2质控切面分类总体符合率分别为97.61%(56071/57444)及97.65%(56092/57444),一致性强(Kappa均>0.933);标准程度评价总体符合率为89.72%(50307/56071)及89.67%(50300/56092),一致性较强(Kappa均=0.658)。IUQCS每100幅质控耗时明显小于人工质控[33(29,37)s vs.705(680,730)s vs.720(696,751)s,Z均=-20.776,P均<0.001]。结论利用产科IUQCS可较为准确、高效地实现图像质控。     

超低剂量胸部CT不同重建算法对肺炎定量及图像质量的影响

目的 探讨胸部超低剂量CT扫描条件下滤波反投影、自适应统计迭代重建、深度学习图像重建（DLIR）等不同重建算法对人工智能影像辅助肺炎定量分析（uAI-Discover-NCP）和图像质量的影响。 方法 纳入陕西中医药大学附属医院2023年7月~2023年12月就诊的43例肺炎复查患者,采用个性化超低剂量CT扫描,原始数据分别采用滤波反投影、40%强度的自适应统计迭代重建、不同强度DLIR（DLIR-M、DLIR-H）、在DLIR-H处理上叠加E2的边缘强化（DLIR-H+E2）重建图像,共获得5组图像。测量5组图像空气、肺组织、胸主动脉、左肩胛下肌、胸10椎体的CT值、噪声值,计算信噪比。2位医师对5组图像肺整体质量及肺炎显示进行5分制主观评分。将图像导入CT影像辅助肺炎定量分析软件进行独立分析,记录肺炎指数、肺炎体积及肺炎体积百分比、肺炎质量及肺炎质量百分比。采用重复测量方差分析或Friedman秩和检验比较各组定量参数及主观评分的差异。 结果 5组图像在肺实质、胸主动脉、左肩胛下肌、胸10椎体组织CT值差异均无统计学意义（P>0.05）;而各组织噪声及信噪比的总体差异均有统计学意义（P < 0.05）,其中DLIR-H组的图像噪声最低、信噪比最高,与其他4组相比,差异均有统计学意义（P < 0.05）。2位医师对各组图像的主观评分一致性高（Kappa=0.811~0.894）,5组图像的整体图像质量、肺炎显示评分总体差异有统计学意义（P < 0.001）,DLIR-H与DLIR-H+E2组整体图像质量、肺炎显示主观评分最高,组间差异无统计学意义（P>0.05）。5个肺炎定量参数（肺炎指数、肺炎体积及肺炎体积百分比、肺炎质量及肺炎质量百分比）组间总体差异均无统计学意义（P> 0.05）。 结论 超低剂量扫描条件下,影像辅助肺炎定量分析结果不受重建算法的影响。与滤波反投影、自适应统计迭代重建40%相比,高强度深度学习图像重建能显著降低图像噪声、明显提升图像质量,在临床诊断有较大的优势。     

胸部双能X线摄影中运动伪影的影响因素

目的 观察胸部DR双能减影图像运动伪影的好发部位，分析其影响因素。方法 分析128例胸部双能减影图像，观察运动伪影出现的位置，测量并比较伪影长度和宽度，分析心率与不同位置运动伪影的相关性。结果 128例胸部双能减影图像中，115例出现黑白条运动伪影，分别位于左心室段（87例，75.65%）、主动脉弓处（82例，71.30%）、右心缘（60例，52.17%）、心膈缘（42例，36.52%）、左心房耳肺动脉段（30例，26.09%）及上腔静脉处（27例，23.48%），在骨组织图像中更为明显；其中15例膈肌伪影明显，经呼吸训练后行第2次摄片，膈肌伪影减小或消失。其中左心室段、主动脉弓段、右心缘处运动伪影的平均长度及宽度差异均有统计学意义（F=4.59、3.46，P均<0.05）。心率与左心室段、主动脉弓段运动伪影均呈正相关（r=1.00、0.99，P均<0.05）。结论 心脏搏动及呼吸运动可致胸部DR双能减影图像出现运动伪影，多位于左心室段及主动脉弓段，且心率越快越易出现运动伪影。     

声像图质量对人工智能辅助诊断系统与人工测量发育性髋关节发育不良患儿生物学指标一致性的影响

目的 观察声像图质量对人工智能(AI)辅助诊断系统与人工测量发育性髋关节发育不良(DDH)生物学指标一致性的影响。方法 回顾性分析75例DDH及345例非DDH患儿髋关节超声资料,对声像图进行主观评分。于每例选取1幅图像,以熵权法基于140幅(A组,取自25例DDH及115例非DDH)构建评估声像图质量模型,获得DDH相关解剖结构及影响因素的权重,据以将另外280幅 (B组,取自50例DDH及230例非DDH)图像质量由高至低分为A、B、C级;分析AI与人工测量B组DDH生物学指标的一致性。结果 DDH相关解剖结构及影响因素权重按照髂骨支下缘、髂骨、盂唇、骨缘转折点、股骨头、运动伪影依序下降。B组A级67幅(取自9例DDH及58例非DDH)、B级160幅 (取自26例DDH及134例非DDH)、C级53幅 (取自15例DDH及38例非DDH);除DDH患儿声像图中的β、股骨头覆盖率(FHC)及股骨头长径外,AI与人工测量DDH其他指标的一致性由高到低均为A级＞B级＞C级;二者针对DDH患儿声像图的测量结果的一致性高于非DDH。结论 髋关节声像图质量影响AI与人工测量DDH生物学指标的一致性;遇声像图质量欠佳时,应重点测量FHC及股骨头径线。     

人工智能在医学影像分析中的应用进展

以深度学习（DL）为代表的人工智能（AI）技术已在计算机视觉任务中取得突破性进展。本文从4种常见计算机视觉任务（图像分类、目标检测、物体分割和图像生成）出发,回顾AI技术在医学影像分析中的应用及其发展。     

Artificial intelligence in clinical and translational science: Successes,challenges and opportunities

Artificial intelligence (AI) is transforming many domains, including finance, agriculture, defense, and biomedicine. In this paper, we focus on the role of AI in clinical and translational research (CTR), including preclinical research (T1), clinical research (T2), clinical implementation (T3), and public (or population) health (T4). Given the rapid evolution of AI in CTR, we present three complementary perspectives: (1) scoping literature review, (2) survey, and (3) analysis of federally funded projects. For each CTR phase, we addressed challenges, successes, failures, and opportunities for AI. We surveyed Clinical and Translational Science Award (CTSA) hubs regarding AI projects at their institutions. Nineteen of 63 CTSA hubs (30%) responded to the survey. The most common funding source (48.5%) was the federal government. The most common translational phase was T2 (clinical research, 40.2%). Clinicians were the intended users in 44.6% of projects and researchers in 32.3% of projects. The most common computational approaches were supervised machine learning (38.6%) and deep learning (34.2%). The number of projects steadily increased from 2012 to 2020. Finally, we analyzed 2604 AI projects at CTSA hubs using the National Institutes of Health Research Portfolio Online Reporting Tools (RePORTER) database for 2011–2019. We mapped available abstracts to medical subject headings and found that nervous system (16.3%) and mental disorders (16.2) were the most common topics addressed. From a computational perspective, big data (32.3%) and deep learning (30.0%) were most common. This work represents a snapshot in time of the role of AI in the CTSA program.     

基于关键解剖结构检测的人工智能模型识别甲状腺超声标准切面的应用价值

目的 探讨基于关键解剖结构检测的人工智能（AI）模型在甲状腺超声标准切面（TUSP）识别中的应用价值。方法 以成人TUSP和非标准切面（N-SP）图像为研究对象,含标准集8978张和实验集1916张;其中标准集分为训练集8178张和验证集800张,分别用于训练和验证AI模型识别TUSP;以超声专家团队识别为标准,比较初级医师、中级医师及AI模型识别实验集TUSP和非标准切面（N-SP）的诊断效能;同时收集AI模型及不同年资医师识别实验集图像累计耗时及平均每张图像耗时,并对其进行比较。结果 AI模型识别实验集8个TUSP即甲状腺峡部横切面（TPTI）、甲状腺峡部纵切面（LPTI）、左甲状腺上极横切面（UTPLT）、左甲状腺下极横切面（DTPLT）、右甲状腺上极横切面（UTPRT）、右甲状腺下极横切面（DTPRT）、左甲状腺纵切面（LPLT）及右甲状腺纵切面（LPRT）的准确率为94.7%～99.9%,识别N-SP的准确率为93.8%;AI模型识别8个TUSP和N-SP的曲线下面积（AUC）均大于初级医师,差异均有统计学意义（均P<0.05）;AI模型识别LPTI、UTPLT、DTP...