真实世界中基于人工智能骨龄测量系统TW3-Carpal和TW3-RUS的临床应用差异

目的利用真实世界的数据探讨基于人工智能(AI)骨龄测量系统的Tanner-Whitehouse(TW)3评分系统中尺骨、桡骨、短骨(RUS)和腕骨(Carpal)骨龄临床应用中的差异。方法回顾性收集2021年7月至9月于首都儿科研究所附属儿童医院行左侧手腕部X线正位片检查的262例儿童的影像资料。采用AI骨龄辅助软件分别采用TW3-RUS和TW3-Carpal标准对入组影像资料进行骨龄评估, 得到AI骨龄。由两名高年资儿科影像医师依据TW3-RUS和TW3-Carpal标准进行评估, 所得骨龄结果的平均值作为金标准。根据金标准获得的骨龄以3岁为间隔进行分层, 骨龄1～3、4～6、7～9、10～12、13～15和16～18岁的例数分别为10、35、70、118、27、2例。使用组内相关系数(ICC)评估AI骨龄与金标准骨龄结果的一致性, 采用Pearson相关法分析AI骨龄与金标准骨龄的相关性。采用配对t检验比较不同骨龄段内AI测定的TW3-RUS与TW3-Carpal骨龄的差异。结果整体样本中AI测定的TW3-RUS和TW3-Carpal骨龄分别为(8.9±3.1)和(8.7±3.0)...     

人工智能软件对住院医师X线骨龄诊断辅助效果初探

目的 评估骨龄人工智能(AI)软件对住院医师骨龄X线诊断报告书写的辅助效果.方法 回顾性随机选择56例生理年龄为3～6岁的患儿骨龄X线平片作为读片库,采用随机交叉自身对照试验方法进行研究.6名住院医师对56例图像进行2次读片,1次有AI结果辅助,另1次无AI结果辅助.3名高级职称医师读片结果的骨龄平均值作为诊断金标准....     

计算机辅助评估骨龄(中国人手腕骨发育标准CHN法的计算机化)

目的:把中国人手腕骨发育标准CHN骨龄评估法计算机化,以期提高骨龄评估的快速易用性及准确性。方法:笔者将CHN骨龄评估法计算机化,并配以计算机化的标准图谱编制成骨龄辅助评估应用软件,并对39 份2～17岁儿童手腕骨,共546 块骨的X片进行计算机辅助骨龄评估法与人工骨龄评估法的骨发育分级的一致性和所用时间进行对照。结果:计算机辅助法骨发育分级的一致性明显高于人工法(P< 0.01),并且骨龄评估所需的时间亦明显少于人工法。结论:本系统骨龄评估的快速易用性、准确性及重复性明显优于人工法,值得推广应用     

基于深度学习的骨龄评估系统对生长发育异常儿童骨龄评测的准确性

目的探讨基于深度学习的人工智能(AI)系统评估生长发育异常儿童骨龄的准确性。方法回顾性连续收集2020年1月至2021年12月于贵州医科大学附属医院就诊的生长发育异常儿童的左手腕部X线正位片, 共入组717例儿童, 男266例、女451例, 年龄2～18(11±3)岁。基于Tanner Whitehouse 3(TW3)-RUS(尺骨、桡骨、短骨)和TW3-Carpal(腕骨)法, 由3名高年资医师评测骨龄, 并取3者的均值作为参考标准。由AI系统(深睿医疗Dr.Wise骨龄预测软件)和2名低年资放射科医师(医师1、医师2)独立评测骨龄, 并分别计算骨龄结果与参考标准骨龄之间误差在0.5年内的准确度、1年内的准确度、平均绝对误差(MAE)和均方根误差(RMSE)。以配对样本t检验比较AI系统和低年资医师间的MAE。采用组内相关系数(ICC)评价AI系统、低年资医师评测骨龄与参考标准骨龄之间的一致性。绘制Bland-Altman图, 计算AI评测骨龄与参考标准骨龄之间95%一致性界限。结果对TW3-RUS骨龄, 与参考标准相比, AI系统、医师1、医师2误差在0.5年内的准确度分别为75...     

人工智能在乳腺肿瘤影像中的应用现状及展望

人工智能技术在乳腺肿瘤影像中的应用是当前研究的热点。该文对目前常用的传统影像组学和深度学习两种方法进行介绍, 评述了人工智能在乳腺肿瘤检测、分割和良性与恶性鉴别, 乳腺癌分子亚型研究, 乳腺癌淋巴结转移的临床评估, 乳腺癌新辅助化疗疗效预测和预后评估四个方面的研究和应用现状, 针对现有研究中存在的问题进行归纳和分析, 并指出未来的研究方向。     

重视影像人工智能在前列腺癌中的临床应用研究

随着人工智能技术的快速发展, 其在前列腺癌诊疗全过程中的应用成为目前的研究热点。人工智能在前列腺癌MRI病灶自动检出和分割、疾病精准诊断、危险分层和预后评估等方面具有极大优势和潜在价值, 但不可忽视的是人工智能技术也存在一定的局限性和挑战。笔者认为未来可以通过标准化数据参数、优化人工智能算法、提升模型可解释性、扩大多中心数据量以及构建循证医学证据更高的前瞻性数据库等方法来构建更加可靠、稳定的前列腺癌诊疗一体化的评估模型, 进而全面最大化人工智能技术在前列腺癌诊疗中的应用价值。     

推进人工智能在脑血管病精准诊疗中的应用

脑血管病具有发病率高、病死率高、致残率高和复发率高等特点, 严重危害人类健康和患者的生存质量。人工智能技术通过学习临床和影像等数据, 自动提取与脑血管相关的疾病信息, 有效降低主观因素干扰, 在疾病的早期筛查、风险预警、精准诊断、指导治疗、疗效评估与预后预测等方面均取得了重要进展, 已经成为临床有效的辅助决策工具。     

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。     

构建儿童骨龄核心数据 建立中国儿童骨龄标准体系

在少年儿童健康评价标准中, 骨骼发育是生长发育重要指标之一, 其中儿童骨龄能够准确反映儿童骨骼发育的实际状况。骨龄在儿童保健、儿童发育、医疗体育和司法领域都有广泛应用, 是中国儿童健康成长、健康中国的重要数据化指标。但是, 我国目前普遍使用的骨龄评价标准因为人种差异或年代久远, 不能准确反映当代中国儿童的骨骼发育状况。为此, 构建正常儿童核心数据体系是建立我国儿童骨龄评价标准的前提。基于科技部科技基础资源调查专项《中国0～18岁儿童营养与健康系统调查与应用》, 完成了2万余名3～18岁正常儿童手腕X线片的采集, 构建了目前最权威、具代表性、城乡兼顾的我国正常儿童骨龄核心数据集, 为研究我国当代儿童的骨龄发育规律、制定骨龄评价标准和人工智能研发提供重要基础数据。     

儿童青少年骨龄评估的现状与展望

骨龄对于评价儿童青少年的生长发育情况、疾病诊断、临床治疗的监测都有重要的意义,该文较全面地介绍了骨龄评估的传统方法、新近方法与常用方法,并对骨龄评估方法的发展趋势予以展望,同时分析了不同骨龄评价方法间的差异。经参阅国内外大量相关文献,现就骨龄评估方法的研究与进展进行综述。     

基于 18F-FDG PET VCAR有效预测淋巴瘤诊疗效能的最新进展

淋巴瘤是起源于身体不同部位以及具有多种病理亚型的血液系统恶性肿瘤。传统使用的评价指标为最大标准化摄取值,其反映肿瘤组织中的最大活性代谢程度,是目前临床研究应用最多的代谢参数。PET体积计算机辅助判读（VCAR）软件可对淋巴瘤病灶进行测量分析,自动计算病灶的代谢评估指标,包括瘦体标准化摄取值峰值、肿瘤代谢体积和病灶糖酵解...     

基于北京农村区域儿童骨龄评价标准的适用性分析

目的基于北京农村区域儿童探讨不同骨龄评价标准测量的骨龄与实际年龄的差异及适用性。方法该研究为前瞻性研究, 研究数据来源于科技部科技基础资源调查专项"中国0～18岁儿童营养与健康系统调查与应用"项目中的北京农村调查点的3～12岁健康儿童于2021年4月拍摄的非优势侧手腕部X线骨龄片。共412例, 男226例、女186例, 年龄8.6(6.8, 10.3)岁。利用Dr.Wise智能骨龄评测系统, 分别按照Tanner Whitehouse(TW)3法中的TW3-RUS(桡骨、尺骨、掌指短骨)和TW3-Carpal(腕骨)计分法、中华05法中的TW3-Chinese RUS(TW3-C RUS)和TW3-Chinese Carpal(TW3-C Carpal)计分法、Greulich-Pyle(G-P)图谱法5种方法测量骨龄。根据性别和年龄进行分层分析, 采用Wilcoxon符号秩和检验比较各标准评价所得骨龄与实际年龄之间的差异。结果根据性别分层分析, 除男性儿童G-P图谱法所得骨龄与实际年龄间差异无统计学意义(Z=-0.694, P=0.488)外, 其余男女儿童中各标准测量的骨龄均大于实...     

人工智能在冠状动脉CT成像中的应用及展望

随着人工智能(AI)技术的不断发展, AI的应用已经开始贯穿于冠状动脉CT成像的全流程, 在工作流程的优化、图像质量、自动图像分割、疾病诊断和预后评估等方面均展现了较大的潜力和优势, 但也面临一些问题和挑战。未来需要通过优化AI算法、建立标准化多中心大数据库、实现多任务学习、进行临床试验提供临床循证证据, 构建更优的心血管疾病风险分层和预后评估模型, 全面提升AI赋能的心血管CT在疾病诊疗全流程的应用价值。     

纹理分析及影像组学在直肠癌新辅助放化疗评估中的研究进展

探讨局部进展期直肠癌的标准治疗方案是新辅助放化疗+直肠癌根治术+辅助化疗,其中新辅助治疗疗效的术前评估是目前临床上的焦点问题。常规MRI和功能MRI是评估放化疗反应的重要方法,关于这方面的研究虽有部分成果,却也存在着一定的问题。随着近年来计算机软硬件的快速发展和人工智能的迅速崛起,越来越多国内外的研究期望通过人工智能的方法解决这一难题。本文就图像纹理分析及影像组学在直肠癌新辅助放化疗评估中的研究现状和进展进行综述。     

主动脉夹层CT血管成像标注专家共识

主动脉夹层是严重威胁生命的心血管急症之一, CT血管成像(CTA)是诊断主动脉夹层的首选检查方法。将基于CTA图像的人工智能应用于主动脉夹层, 有助于快速辅助诊断、评估疗效和预测术后风险等。影像人工智能最核心的部分是数据的标注, 为了规范主动脉夹层CTA影像数据的标注, 促进人工智能更好地落地临床, 中华医学会放射学分会心胸学组及国内心血管影像专家编写了主动脉夹层CTA标注专家共识, 从主动脉夹层的定义和分型, 标注数据来源和储存要求, 标注平台、工具和方式的选择, 标注人员资质、培训和考核, 标注后数据的质控, 标注方法和内容, 标注流程等各个方面达成共识, 为建设规范化的主动脉夹层CTA影像标注数据库提供了有力的技术指导和质量保障, 为主动脉夹层人工智能影像模型的构建、验证、优化及推广等提供研究基础, 从而推动主动脉夹层人工智能影像真正落地临床应用, 最终使患者受益。     

学龄前儿童骨龄测评方法比较研究

目的 评价G-P法与中华-05法(TW3-C RUS、TW3-C Carpal及RUS-CHN)评估学龄前儿童骨龄的一致性.方法 分析3～6岁学龄前儿童行骨龄评估的手腕部X线平片,以生活年龄1岁为1组,分为4组.对每张X线平片进行4种骨龄方法评估,配对分析两两评估方法的一致性.结果 共纳入196例学龄前儿童,各年龄组1...     

基于深度学习的儿童手骨X光图像骨龄评估方法

目的 提出一种基于深度学习的端到端儿童手骨X光图像骨龄评估框架,以实现高精度全自动骨龄评估.方法 由手骨分割网络和骨龄回归网络组成模型,手骨分割网络采用Mask-RCNN分割出手骨区域,分割后的手骨区域直接输入回归网络进行骨龄评估.其中,回归网络以Xception为基础模型进行改进,在Xception输出后接入卷积块注...     

头颈动脉CT血管成像数据标注与质量控制专家共识

人工智能使头颈动脉CT血管成像(CTA)的高效、快捷重建及诊断成为可能, 但决定算法精度及泛化性的前提是有大量的高质量、高一致性的标注数据。为促进人工智能技术在头颈动脉CTA中的开发与应用, 使辅助重建及诊断技术符合临床工作流程及准确性要求, 中华医学会放射学分会医学影像人工智能工作组、北京医学会放射学分会人工智能学组、中国食品药品检定研究院在头颈动脉CTA数据集的构建、数据标注规则及质量控制等方面达成专家共识, 有助于促进行业内部统一认知, 提升数据标签的一致性, 优化数据集质量, 促进人工智能辅助诊断技术在头颈动脉CTA中的应用和发展。     

冠状动脉CT血管成像数据标注和质量控制专家共识

冠状动脉CT血管成像(CCTA)是冠状动脉疾病诊断的首选影像检查。使用人工智能技术对CCTA数据进行图像重组、斑块评估和血管分析, 是人工智能医疗器械发展的重要方向, 为临床机构提供了全新的影像后处理和诊断方式。影像人工智能产品的生产研发、验证确认、临床质控等活动均需要依托图像数据的高质量标注结果。为了规范CCTA的数据标注, 本共识对CCTA的标注提出统一的共识和指导意见, 从数据集适用范围和定义、数据要求、标注流程及标注规则等各个方面阐述专家组就该问题达成的共识, 旨在帮助业内形成统一认知, 提高CCTA数据的标注质量, 推动相关数据集的建设, 促进CCTA相关的人工智能研究规范化发展, 提升冠状动脉疾病的诊疗水平。     

机器学习及其在肝脏疾病影像诊断中的研究进展

机器学习(ML)是指计算机通过大量数据训练及分析来模拟人类的学习行为从而获得新的知识和技能,是人工智能的核心。目前,ML在肝脏疾病方面的研究因影像分割困难而相对较少,但随着ML算法的不断改进,在肝脏影像的应用逐步增多,如对慢性肝病的筛查和病情严重程度评估;肝脏局灶性病变的鉴别和分类,辅助医生诊断;肝病图像分割算法的改进,图像质量的自动评估等。就ML的概念、发展、常见算法以及ML在肝脏疾病影像诊断中的研究进展进行系统回顾和介绍。