简介：摘要从供过于求价格下跌的价值规律来看，图像泛化是绘画创作的死敌。图像泛化的根源是图像技术的发展，这实际上是个技术问题。从历时性的角度来看，新技术取代旧技术是历史发展的必然结果，技术不仅决定着艺术，也决定着人类的一切。

简介：摘要目的探讨通过互联网购物（网购）途径获取毒物导致中毒患者的临床特点。方法回顾性病例对照研究，收集本院急诊医学科2021年1月1日至2022年5月31日期间通过网购途径获取毒物的中毒患者临床资料，包括患者性别、年龄、就诊方式、中毒原因、暴露途径、毒物类别、患者接受洗胃及毒物检测情况和预后等临床信息，并以同期非网购途径获取毒物的中毒患者作为对照，比较网购途径中毒患者的流行病学及临床特征。结果共纳入318例中毒患者，其中网购途径中毒患者44例（13.8%），与对照组相比，网购途径中毒患者的年龄更低（P<0.001）、自杀占比更高（P=0.006）、口服途径暴露更多（P=0.029）、外院洗胃比例更高（P=0.001）；网购途径的毒物种类以农药为主，与对照组比较毒物种类分布差异无统计学意义；且农药中毒分布特征也差异无统计学意义；网购药品中毒以混合药物中毒占首位（27.8%），其次分别为右美沙芬（16.7%）和艾司唑仑（15.5%），对照组亦为混合药物中毒为主（38.8%）。结论青年是选择网络途径购买毒物的主要群体，应加强对此群体的健康教育，网购平台在监管交易时应重视商品可能的使用风险。

简介：摘要目的探讨深度学习重建（DLR）较混合迭代重建（Hybrid IR）在改善胸部低剂量CT（LDCT）图像质量方面的效果。方法回顾性分析2020年10月至2021年3月在北京协和医院行胸部LDCT体检或因肺内结节定期复查的77例患者。对所有入组患者的影像资料进行不同算法重建，获得标准级别Hybrid IR图像、标准和强级别DLR图像。在3种图像的肺实质、主动脉、肩胛下肌及腋下脂肪内选取感兴趣区并测量其CT值和标准差，用于计算信噪比（SNR）和对比噪声比（CNR）。同时，由2名影像医师按照Likert 5分量表法对图像质量进行主观评分，且记录肺磨玻璃结节（GGN）的数量，并对其显示情况进行评分。2名医师评分不一致时由第3名医师评分决定。采用Kruskal-Wallis非参数检验对3种图像的主观和客观评分进行分析，若总体存在差异，则用Bonferroni校正检验进行组内两两比较。结果3种图像在肺实质、主动脉、肩胛下肌及腋下脂肪处的CT值差异均无统计学意义（P均>0.05），而图像噪声、SNR和图像的CNR差异均有统计学意义（P均<0.05）。其中标准级别Hybrid IR图像、标准和强级别DLR图像的CNR分别为0.71（0.49，0.88）、1.06（0.78，1.32）和1.14（0.84，1.48）。标准级别和强级别DLR图像均较标准级别Hybrid IR图像的主观和客观噪声低及SNR和CNR高，差异均有统计学意义（P均<0.05）。在对主要解剖结构（肺裂、肺血管、气管和支气管、淋巴结、胸膜和心包）和GGN的显示上，标准级别和强级别DLR图像评分明显优于Hybrid IR图像，差异均有统计学意义（P均<0.05）。结论与Hybrid IR相比，DLR可以明显降低LDCT图像的噪声，且对GGN的显示良好，有助于在较低辐射剂量水平时保证图像质量，从而改善采用CT行肺癌筛查及肺结节随访的安全性。

简介：摘要近年来，CT图像算法中基于深度学习的图像重建（DLIR）技术不断发展，日益成熟，目前已经逐步应用于临床实践中。DLIR算法较常规迭代重建算法具有在降低辐射剂量和图像噪声的同时不改变图像纹理，保持或提高解剖细节显示能力、总体图像质量和医生诊断信心的众多优势。因此，笔者重点就DLIR算法的原理、优劣势及其在人体各系统的临床应用进展进行综述，旨在进一步提高对DLIR算法的认识，并对其可能的应用情景提供借鉴。

简介：摘要深度学习图像重建算法是目前CT图像重建领域最为前沿的技术，随着算法的不断优化和模型泛化性的提升，适用人群和全身各部位的临床应用也在不断拓展，在疾病诊治中发挥了重要作用。深度学习图像重建算法能够降低图像噪声、消除伪影、避免“过度平滑”的视觉感观，提升主观诊断效能，并有助于CT检查中辐射剂量的降低。此外，深度学习图像重建算法不影响CT图像重建的速度，能够满足临床工作流的需求。随着对深度学习图像重建算法的不断探索以及临床应用的拓展，可以挖掘深度学习图像重建算法的潜在优势，提升CT临床应用的能力。

简介：摘要近年来，人工智能技术在自然图像分析领域取得了巨大的进展。这些技术也被广泛应用于医学图像领域，以便更好地诊断、治疗疾病和判断预后。然而，由于医学图像在数据标注和专家知识方面的复杂性，使得这些技术的实际应用具有较大的挑战。本文基于ACP方法提出了一个融合医生智慧与计算智能的医学图像分析新框架——平行医学图像。传统的医学图像分析直接从带标注图像中学习模型而不能很好地解释诊断决策，平行医学图像引入了描述智能、预测智能和引导智能来提高模型的泛化能力和诊断的可解释性。我们采用平行闭环优化模型来挖掘并融合医学知识，从而优化辅助诊疗系统。最后，本文以乳腺癌为例探讨了平行医学图像框架在医学图像分析中的实际应用。

简介：摘要目的分析总结小肠克罗恩病肠道及肠周病变的超声图像特征。方法回顾性选取2009年6月至2019年6月南京医科大学附属苏州医院收治的临床已确诊小肠克罗恩病的患者25例，共计进行42人次经腹肠道超声检查。对其病变肠壁、肠壁外腹部并发症的超声图像及小肠克罗恩病的活动度评估结果进行分析总结。结果病变肠壁表现：主要表现为肠壁增厚（41/42），多为全周性及全层性增厚，最厚段36人次位于下腹部，其中以右下腹最多（30/36，83.3%）；活动期及严重者肠壁层次消失（16/42），僵硬，蠕动消失；26人次病变肠壁发现深达肠壁各层的溃疡。并发症表现：15人次出现狭窄，图像特征为肠壁增厚、肠腔变窄及近端肠管扩张；8人次出现瘘，图像特征为肠壁与其他器官之间的条状或分支状低回声带，含有或不含有气体强回声；爬行脂肪征30人次，图像特征为高回声脂肪团块包绕肠壁；肠系膜淋巴结炎20人次，其中18人次病灶长径<20 mm，为多发；腹腔积液16人次；腹部包块9人次，其中脓肿5人次，图像特征为炎性肿块内或肠系膜区局限性液区，透声差，无血流信号；穿孔1人次，超声图像表现为肠壁增厚，连续性中断，局部肠壁外见低回声区，腹腔内见游离液区，液区透声差；炎性息肉8人次，单发或多发，超声图像特征为凸入肠腔内的低回声或等回声凸起；憩室形成3人次，图像表现为局部肠壁变薄膨出，多位于系膜缘。活动期（超声评估）狭窄、爬行脂肪征、肠系膜淋巴结炎、腹腔积液等的发生率均明显高于缓解期（超声评估），差异均有统计学意义（P=0.002、0.000、0.024、0.025）；活动期（超声评估）肠壁和爬行脂肪的最大厚度平均值明显大于缓解期（超声评估），差异均有统计学意义（P均=0.000）。超声与Harvey-Bradshaw指数对小肠克罗恩病活动性评估的一致性较好（Kappa=0.897，P<0.05）。结论经腹肠道超声能够清晰显示小肠克罗恩病的肠道病变及肠外并发症的改变，可以较准确地评估病变的活动度，且操作灵活，患者依从性好，可以作为小肠克罗恩病的常规影像学评估工具。

简介：摘要目的探讨睑板腺图像深度处理分析方法的临床应用价值。方法诊断评价研究。采集2017年1月至2018年12月就诊于武汉大学人民医院眼科中心年龄（40.03±11.46）岁的干眼患者的2 304幅睑板腺图像构建睑板腺图像数据库，由2名临床医师对图像进行标记，利用深度学习算法建立模型，检测模型对睑板腺识别及标注的准确性并计算睑板腺缺失率。采用平均精度均值（mAP）及验证集损失值评价模型对特征区域识别的准确性。并随机选取64幅数据库以外的睑板腺图像，由7名受试医师独立评估后与模型评估结果进行统计性t检验。结果模型对睑结膜进行标记的mAP>0.976，验证集损失值<0.35；对睑板腺标记的mAP>0.922，验证集损失值<1.0。模型标记的睑板腺比例为53.24%±11.09%，人工标记为52.13%±13.38%，差异无统计学意义（t=1.935，P>0.05）。模型评价每幅图像仅需0.499 s，而临床医师用时平均超过10 s。结论该睑板腺图像深度处理方法可提高临床检查结果的准确性，提高诊断效率，可用于睑板腺功能障碍相关疾病的临床辅助诊断和筛查。（中华眼科杂志，2020，56：774-779）

简介：摘要目的比较MR常规DWI、ZOOMit DWI和RESOLVE DWI三种不同弥散成像序列的前列腺图像质量，以选择最优化的前列腺MR弥散成像扫描方案。材料与方法回顾性收集2020年4月至10月前列腺MRI检查的60例患者，均行常规DWI、ZOOMit DWI和RESOLVE DWI三种不同弥散成像序列扫描。由2名经验丰富的放射科诊断医师根据Likert评分分别对三种不同弥散加权图像的清晰度、图像失真和伪影进行主观评分。另由2名经验丰富的放射科技术人员分别手动勾画60例患者的前列腺轮廓，并计算出该区域信噪比(signal-to-noise ratio，SNR)、对比噪声比(contrast-to-noise ratio，CNR)。比较分析三种不同弥散成像序列的主观评分和客观指标的差异。结果三种不同弥散成像序列图像清晰度、失真和伪影的主观评分之间的差异具有统计学意义(P＜0.05)。ZOOMit DWI序列的清晰度最好，失真最小，伪影最少。三种不同弥散成像序列的SNR (b=50)、SNR (b=1400)值的差异具有统计学意义(P＜0.05)；三种不同弥散加权序列的CNR (b=50)值的差异没有统计学意义(P＞0.05)；前列腺左右径、前后径/左右径比值的差异具有统计学意义(P＜0.05)。结论ZOOMit DWI序列具有较好的图像质量，可以作为前列腺MRI弥散成像的首选序列。

简介：摘要目的观察分析基于深度学习的眼底图像视盘定位与分割方法的准确性。方法在ORIGA数据集上训练和评估基于深度学习的视盘定位和分割方法。在深度学习的Caffe框架上构建深度卷积神经网络（CNN）。采用滑动窗口将ORIGA数据集的原图切割成许多小块图片，通过深度CNN判别各个小块图片是否包含完整视盘结构，从而找到视盘所在区域。为避免血管对视盘分割产生影响，在分割视盘边界之前去除视盘区域的血管。采用基于图像像素点分类的视盘分割深度网络，实现眼底图像视盘的分割。计算基于深度学习的眼底图像视盘定位与分割方法的准确性。定位准确率＝T/N，T代表视盘定位正确的眼底图像数量，N代表总共用于定位的眼底图像数量。采用重叠误差（overlap error）比较视盘分割结果与实际视盘边界的误差大小。结果基于深度学习的眼底图像视盘定位方法其定位准确率为99.6%；视盘分割平均重叠误差为7.1%；对青光眼图像和正常图像的平均杯盘比的计算误差分别为0.066和0.049；每幅图像的视盘分割平均花费10 ms。结论基于深度学习的眼底图像视盘定位方法能快速并准确地定位视盘区域，同时也能够较为精准地分割出视盘边界。

简介：摘要人工智能（AI）在心脏MRI多序列的图像数据上有巨大的应用潜力。AI可辅助放射科医师和科研工作者对复杂心脏MRI图像进行快速精准的解读，为临床诊断和科学研究提供量化指标。笔者从技术角度回顾AI分析心脏MRI的发展历程，包括基于图像、基于模型和基于数据的3类算法的特点，并简要阐述现阶段MRI图像的AI研究所需要关注的问题。

简介：摘要目的评估三维超声自动容积导航技术（Smart Planes）与二维超声在获取胎儿颅脑正中矢状面（MSP）以及测量胎儿胼胝体及小脑蚓部参数的一致性和可重复性。方法选取2017年10月至2017年12月在广东省妇幼保健院行产前超声检查的单胎妊娠孕妇168名作为研究对象。采用二维超声获取胎儿颅脑MSP并手动测量胼胝体前后径，测量小脑蚓部前后径、上下径及面积。随后应用三维容积探头获取胎儿颅脑容积数据，利用Smart Planes技术自动分析并测量胼胝体和小脑的相应数据。采用组内相关系数（ICC）及Bland-Altman法比较二维超声与Smart Planes技术对胎儿胼胝体以及小脑蚓部的测量的一致性和可重复性。对比不同操作者间测量的一致性及同一操作者采用两种方法测量的用时差异。结果采用Smart Planes技术与二维超声获取胎儿颅脑MSP的成功率分别为97.0％（163/168）、79.8%（134/168），差异有统计学意义（χ2=24.40，P<0.001）。其中76.8%（129/168）胎儿通过二维超声及Smart Planes技术均获得颅脑MSP并测量相关参数。比较二维超声与Smart Planes技术测量胼胝体前后径以及小脑蚓部前后径、上下径、面积的一致性，ICC分别为0.972、0.968、0.946、0.967。比较同一位操作者采用Smart Planes技术2次测量的一致性，ICC分别为0.995、0.987、0.962、0.993。比较不同操作者间采用Smart Planes技术测量的一致性，ICC分别为0.986、0.966、0.972、0.955。采用Smart Planes技术获取胎儿颅脑MSP所需时间[（13.49±5.38）s]明显短于采用二维超声所需时间[（89.99±113.42）s]，差异有统计学意义（U=587.50，Z=-12.915，P<0.001）。结论三维超声自动容积导航技术可快速获取胎儿颅脑MSP，测量所得胼胝体及小脑蚓部的参数与二维超声测量所得结果一致性较好，有助于超声医师对胎儿中线结构做出快速准确的识别和测量。

简介：摘要客观、准确地测量眼睑位置可用于辅助眼整形手术术前诊断、医疗记录、评估手术疗效和教学、研究等方面。基于数字化图像的测量较临床手工测量更具优势，标准化的数字化图像为数据测量及图像处理提供了一种可重复性和可靠性更高的方法。规范化的相机位置、摄像参数、照明条件、背景及患者呈现状态可以提高照片质量。对常用数据的传统测量方法(手动直尺测量)、数字化软件及半自动化测量间进行对比，采用合适的数字化软件及规范化摄影有助于眼整形及美容手术的评估。(国际眼科纵览，2021, 45: 177-182)

简介：摘要目的构建基于超声图像特征和临床特征的腮腺肿物恶性风险预测模型并评估其诊断效能。方法回顾性分析2018年6月至2020年8月佛山市第一人民医院214例腮腺肿物患者的超声图像及临床特征，以手术病理为金标准，通过回归分析得出有鉴别意义的特征性指标，建立综合预测模型。结果腮腺恶性肿瘤超声图像常表现为边界不清，形态欠规则，伴或不伴颈面部异常淋巴结的低回声实性肿块。多因素分析结果显示面神经功能、颈面部淋巴结异常及肿物的最大径线、形态、边界是腮腺肿物恶性风险的独立预测因素。利用以上5个指标建立Nomogram预测模型，结果显示Nomogram的一致性指数为0.896(95%CI＝0.834～0.958)。标准曲线显示Nomogram预测效果与腮腺肿物良恶性的实际情况一致性较好，内部验证一致性指数为0.878。结论超声检查对诊断腮腺肿物有重要价值，利用超声图像特征及临床特征建立的Nomogram模型能评估腮腺肿物的生物学特征，该模型对腮腺肿物恶性风险的预测准确性较高。

简介：摘要目的通过深度学习(DL)PET图像重建方法，提升不同采集时间18F-脱氧葡萄糖(FDG)PET图像质量。方法回顾性分析2020年9月至10月间山西医科大学第一医院核医学科45例恶性肿瘤患者[男20例、女25例，年龄(52.0±13.6)岁]PET图像。选择原始列表模式PET数据的短时30 s/床位PET图像作为输入，采用Unet网络，以全剂量标准采集时间(3 min)PET图像为模型判别标准，建立DL图像重建模型，以预测全剂量PET图像。分别对DL、30 s、90 s和120 s 4组图像进行图像质量评估及定量分析。采用5分法主观评估4组的图像质量。分别测量各组图像肝本底及肿瘤病灶定量参数：最大标准摄取值(SUVmax)、平均标准摄取值(SUVmean)、标准差(SD)、信噪比(SNR)、对比度噪声比(CNR)及一阶纹理特征(偏度、峰度、均匀度和熵)。采用Kappa检验、χ2检验、单因素方差分析(最小显著差异t检验)进行数据分析。结果4组图像质量评分具有高度一致性(Kappa＝0.799，P<0.001)，DL组评分≥3分共6例，30 s、90 s和120 s组评分≥3分别有4、7和8例(χ2＝125.47，P<0.001)。DL组肝SD明显低于30 s组(0.26±0.07与0.43±0.11；F＝3.58，t＝-7.91，P<0.05)，SNR高于30 s组(11.04±4.36与5.41±1.41；F＝10.22，t＝5.40，P<0.05)；DL组肝SD及SNR与90 s组一致(0.39±0.16, 8.46±3.34；t值：-0.87和2.17，均P>0.05)。在18个高摄取肿瘤病灶中，DL组病灶SNR及CNR均高于30 s组(60.21±29.26与38.38±16.54，22.26±15.85与15.41±9.51；F值：13.09和7.05，t值：5.20和4.04，均P<0.001)。4组肝一阶纹理特征差异有统计学意义(F值：4.30~9.65，均P<0.05)，但DL组与120 s组间差异无统计学意义(t值：-1.25~0.15，均P>0.05)。结论DL重建模型能较好地改善短帧PET图像质量，可以满足临床诊断、疗效评估和组学研究的需求。

简介：摘要动态CT心肌灌注成像（CT-MPI，简称CTP）技术快速发展，在心脏功能学评估方面发挥重要作用。为促进动态CTP技术的临床应用，专业学组数十位专家在自身临床实践经验的基础上结合大量研究成果，就动态CTP成像操作和图像分析的若干具体问题进行讨论，最终达成共识，编撰成文。本共识主要分为动态CTP患者选择、检查前准备、检查操作、图像后处理及结果分析五大部分，涉及该技术实际操作与分析的各个环节，具有较高的临床实用价值，建议在动态CTP临床工作中进行参考与应用。

简介：摘要随着计算机技术及图像识别技术的不断发展，人工智能(AI)在医学领域的应用不断拓展，对于利用机器学习及深度学习诊疗眼科疾病的研究日益增多。青光眼作为首位不可逆性致盲眼病，早期诊断、及时治疗对于维持患者视功能和生活质量至关重要。目前，AI在青光眼诊疗过程中的应用主要集中在青光眼辅助诊断图像，如眼底照相、视野、光相干断层扫描(OCT)等的结合，研究者们通过建立AI模型，对图像检查结果进行分割、分类及预测，达到辅助诊断及预测青光眼进展的目的。随着算法、技术的不断发展，诊断的准确性、灵敏度及特异性都在日趋完善。青光眼的诊治需要综合考量多方面辅助检查结果，因此，筛选高质量的数据并开发更加系统、全面的AI模型仍待探索。目前与青光眼相关的眼前节辅助诊断AI模型屈指可数，因此我们可以着手研究与超声生物显微镜和眼前节OCT相关的机器、深度学习模型。本文就AI在青光眼图像诊断中应用的研究进展进行综述。

简介：摘要目的分析1.5T高场强MR加速器(MR-Linac)的图像畸变，以及MR-Linac和外设对MR图像畸变影响。方法采用特制的MR几何畸变测试模体和分析软件，建立在以磁体中心为球心的球形体积直径(DSV)内MR图像畸变的基准。分析加速器束流系统、机械系统和外设设备工作时对图像畸变的影响，并通过长期追踪测试来观察MR-Linac图像畸变的稳定性。结果高场强MR-Linac的图像畸变随着测试点距离磁体中心的距离增大图像畸变也相应增大DSV 400 mm范围内绝大部分测试点在三维方向的图像畸变<1 mm，400～500 mm范围内部分区域的图像畸变>2 mm，最大畸变>7 mm。MR-Linac图像畸变在装机后7个月内保持稳定，加速器以及外设工作时仅对DSV 400～500 mm范围内MR图像几何畸变的最大值有轻微影响。结论高场强MR-Linac的临床使用中应谨慎治疗肿瘤位置距离等中心>20 cm的病例。MR-Linac在装机后7个月内图像畸变保持稳定，加速器和外设工作时对图像畸变的影响有限，临床上可以忽略。

简介：摘要目的探讨8通道特制甲状腺专用表面线圈对甲状腺磁共振检查图像质量的影响。材料与方法对49名健康志愿者使用8通道甲状腺专用表面线圈行甲状腺磁共振检查，扫描序列包括T1WI、T2WI、T2WI-FS (fat-suturation)、扩散加权成像(diffusion weighted imaging，DWI)-STIR和DWI-FOCUS。然后对图像质量进行主观评价和客观评价，主观评价为由两名影像诊断经验丰富的医师依据Likert Scale评分法对图像质量进行双盲评价，并对评分结果进行一致性分析。客观评价为测量不同序列图像甲状腺组织的信号强度、信噪比和对比噪声比，并对左右叶甲状腺组织的一致性进行分析。结果基于主观评分标准，两名评分者评分结果为：T1WI、T2WI和T2WI-FS评分均达到4分以上，DWI-STIR和DWI-FOCUS序列均达到3分以上，二者对T1WI、T2WI、T2WI-FS、DWI-STIR和DWI-FOCUS各序列评分一致性分别为0.92、0.94、0.96、0.93和0.89。基于客观评价，T1WI、T2WI、T2WI-FS、DWI-STIR和DWI-FOCUS各序列甲状腺组织信号强度分别为1246.39、1345.03、860.88、236.91和569.06，左右叶一致性分别为0.957、0.937、0.924、0.871和0.848。各序列甲状腺组织信噪比分别为17.56、33.18、42.82、27.99和19.53，左右叶一致性分别为0.945、0.957、0.885、0.825和0.773。各序列甲状腺组织对比噪声比分别为0.20、5.36、3.07、16.01和9.91，左右叶一致性分别为0.577、0.704、0.740、0.710和0.589。结论使用甲状腺专用表面线圈扫描图像主观评分高，信号均匀，信号强度、信噪比以及对比噪声比高，可以满足诊断要求。

简介：摘要近年来我国科学领域进步迅速，电子图像处理中智能化识别技术也因此实现广泛应用。基于此，本文将简单分析电子图像处理中智能化识别技术的应用，并围绕基于GA-BP神经网络的计算机智能化图像识别技术应用开展深入探讨，希望由此能够为业界发展带来一定启发。