目的:通过训练生成对抗网络（generative adversarial network，GAN）模型，构建一种包括跨中线上颌骨缺损的虚拟重建方法，以期为临床提供参考。方法:收集2015年6月至2022年6月于四川大学华西口腔医院影像科就诊的汉族成年口腔疾病患者CT资料，选择100例健康上颌骨及15例上颌骨缺损（5例单纯单侧缺损、5例单侧缺损并累及颧骨、5例跨中线缺损）CT数据。应用Mimics软件在健康上颌骨数据及其附近区域创建球型模体并模拟上颌骨缺损，分别为单纯单侧缺损、单侧缺损并累及颧骨、跨中线缺损，以原始图像为虚拟重建的正确参照；人工缺损与正确参照配对后分为训练集（70例）、验证集（20例）以及测试集（10例），前两者用于训练GAN模型，测试集用于评估GAN性能。15例上颌骨缺损CT数据导入训练完成后的GAN模型中进行虚拟重建，对单侧缺损分别采取镜像和基于GAN的方式进行虚拟重建，而对跨中线缺损仅采取基于GAN的方式进行虚拟重建，重建结果分为镜像重建组（10例）、单侧缺损GAN重建组（10例）和跨中线缺损GAN重建组（5例）。对测试集、镜像重建组、单侧缺损GAN重建组进行定量评价，定量指标为Dice相似性系数（Dice similarity coefficient，DSC）和95%豪斯道夫距离（95% Hausdorff distance，HD95），对各组结果进行单因素方差分析和Tukey检验。对测试集、镜像重建组、单侧缺损GAN重建组和跨中线缺损GAN重建组进行定性评分，对各组总分进行Kruskal-Wallis检验和事后检验（Bonferroni校正法）。结果:测试集、镜像重建组、单侧缺损GAN重建组DCS（分别为0.891±0.049、0.721±0.047、0.778±0.057）和HD95［分别为（3.58±1.51）、（5.19±1.38）、（4.51±1.10）mm］的总体差异均有统计学意义（ F=28.08， P<0.001； F=3.62， P=0.041）；其中，测试集DSC显著大于镜像重建组（ P<0.05），测试集HD95显著小于镜像重建组（ P<0.05）。测试集、镜像重建组、单侧缺损GAN重建组、跨中线缺损GAN重建组定性总分［分别为8（1）、6（2）、6（2）和4（2）分］的总体差异有统计学意义（ H=18.13， P<0.001）；两两比较显示，测试集总分显著高于镜像重建组（ P<0.05）。 结论:本项研究提出的基于GAN的虚拟重建方法，其单侧缺损虚拟重建效果优于镜像技术，亦可实现跨中线上颌骨缺损的虚拟重建。

虚拟平扫（VNC）技术是一种基于双能量CT成像系统的图像后处理技术，利用CT增强图像生成VNC图像，具有优化扫描流程、降低辐射剂量的优势。经硬件改进和技术优化，VNC技术现已被越来越多的临床试验和应用证实具有替代真实平扫的可能性，并在多种临床疾病的诊断与预后评估等方面占据一定的地位。本文将从VNC技术的原理、发展历程及临床应用的研究进展等方面进行综述。

目的:探讨双层探测器光谱CT单能量成像联合个性化对比剂注射方案在颅脑CT血管成像（CTA）中的应用价值。方法:回顾性分析2020年8月至11月在华中科技大学同济医学院附属协和医院采用双层探测器光谱CT和个性化对比剂注射方案行颅脑CTA检查的76例患者的影像资料。对基于双层探测器光谱CT数据重建生成的120 kVp混合迭代传统能量图（常规组）与50 keV光谱虚拟单能量图（试验组）进行图像质量的客观和主观评价，客观评价内容包括颈内动脉及大脑中动脉处的CT值、信噪比（SNR）和对比噪声比（CNR）、脑实质的CT值和标准差。主观评价由2名高年资影像医师按照5分法完成，2名医师主观评分的一致性采用Kappa检验。采用配对样本 t检验或Wilcoxon秩检验进行组间分析。 结果:试验组颈内动脉、大脑中动脉及脑实质的CT值、SNR和CNR均较常规组高，差异有统计学意义（ P均<0.001）。2名医师对试验组的主观评分均为5（5，5）分，对常规组的主观评分均为4（4，4）分，医师间主观评分一致性较好，Kappa值分别为0.74和0.84。试验组主观评分高于常规组，差异有统计学意义（ Z=-11.15， P<0.001）。 结论:在颅脑CTA检查中，使用双层探测器光谱CT单能量成像联合个性化对比剂注射方案，能够显著提高SNR和CNR，优化图像质量。

目的:探讨利用双层探测器光谱CT冠状动脉CT血管造影(CCTA)钙化积分的虚拟平扫成像(VNC)降低扫描辐射剂量的可行性。方法:回顾性分析2019年3月至2020年8月在南京大学医学院附属鼓楼医院双层探测器光谱CT行CCTA扫描的122例患者资料。记录每位患者的CT容积剂量指数(CTDI vol)、剂量长度乘积(DLP)及有效剂量( E)。记录检查时间。在后处理工作站中，基于CCTA的光谱基数据(SBI)生成VNC图像。2名医师分别独立评价左前降支(LAD)、左回旋支(LCx)、右冠状动脉(RCA)真实平扫(TNC)及VNC的钙化积分(CS_TNC，CS_VNC)并做Pearson相关性分析，得到校正系数λ，各分支校正系数分别记为λ LAD、λ LCx、λ RCA，总体冠状动脉(Total)的平均校正系数记为λ AVG。校正后VNC的CS(CCS_VNC)＝λ × CS_VNC。采用重复测量单因素方差分析比较CS_TNC、CCS_VNC的差异；采用Bland-Altman法分析评价CS_TNC、CCS_VNC一致性。 结果:获得CS平扫的辐射剂量为0.69 mSv。心电门控冠状动脉CTA扫描的辐射剂量为6.47 mSv，总的辐射剂量为7.16 mSv。利用基于双层探测器光谱CT冠状动脉CTA的VNC图像替代TNC图像获得CS，可省去CTA前的平扫，减少10.6%的总辐射剂量及39%的检查时间。LAD、LCx、RCA及Total的CS_TNC，CS_VNC差异有统计学意义( t＝6.75、5.33、4.99、6.60， P < 0.05)，相关性良好( R2＝0.929、0.896、0.958、0.918，λ＝2.18、1.18、2.15、2.07)。LAD和RCA的CS_TNC、平均系数CCS_VNC及分支系数CCS_VNC的差异均无统计学意义( P > 0.05)。LCx的CS_TNC、平均系数CCS_VNC及分支系数CCS_VNC差异有统计学意义( F＝10.94， P<0.05)。组内两两比较：CS_TNC与平均系数CCS_VNC及平均系数CCS_VNC与分支系数CCS_VNC差异有统计学意义( t＝3.21、3.43， P<0.05)，LCx的CS_TNC与及分支系数CCS_VNC无统计学差异( P>0.05)。 结论:利用双层探测器光谱CT的VNC技术可以从CCTA图像中准确评价冠状动脉CS，有望代替冠状动脉常规CT平扫，从而有效降低患者辐射剂量及减少扫描时间。

深度学习可以自动提取图像特征，而基于深度学习的生成对抗网络（GAN）可以通过学习图像特征，生成临床所需的高质量虚拟医学影像图像，是医学影像人工智能领域的热点研究方向。目前，已有较多学者对基于GAN虚拟生成图像进行了初步研究。本文对GAN结构进行了概述，综述了GAN在CT/MR单模态图像虚拟生成和CT-MR间跨模态图像虚拟生成方面的最新研究进展，并对其面临的挑战和应用前景进行总结和展望。

目的:评价胎儿心脏超声智能导航（FINE）联合虚拟智能超声辅助（VIS-Assistance?）技术在胎儿右心室双出口（DORV）产前筛查中的应用价值。方法:纳入2018年9月至2019年12月在浙江大学医学院附属邵逸夫医院超声科行胎儿心脏超声检查且诊断为胎儿DORV的孕妇30例。以超声心动图四腔心切面为初始切面，采集3~5个心脏三维容积数据并选取其中图像质量最佳者，运用FINE技术进行脱机分析，并利用VIS-Assistance?功能对诊断平面图像进行优化处理，获取9个标准诊断切面，分别对4个诊断切面（三血管气管切面、四腔心切面、左心室流出道切面、右心室流出道切面）的要素化信息进行评分，分析各诊断切面及其诊断要素的显示率，分别对同一位观察者在不同时间及不同观察者对相同诊断切面的评分结果进行比较。结果:对30例胎儿的容积数据进行FINE及VIS-Assistance?处理，其中25例胎儿容积数据能够用于分析，获取成功率为83.3%。4个诊断切面的显示率分别为84.0%、88.0%、72.0%、84.0%。比较同一位观察者在不同时间的评分结果、相对缺乏经验的2位医师的评分结果之间进行比较以及2位医师分别与经验丰富的医师比较，其差异均无统计学意义（P均＞0.05）。结论:在DORV病例中，FINE与VIS-Assistance?相结合，生成4个特异的心脏诊断切面成功率较高，并且具有较好的操作一致性及重复性，可用于胎儿DORV的筛查。

目的 应用双层探测器光谱CT虚拟单能量成像技术尝试完成心脏冠状动脉和冠状静脉一体化成像.方法 收集了 2023年12月—2024年1月采用了个性化扫描方案进行冠状动静脉CT成像的受检者25例作为实验组,随机抽取我院同一时间段采用常规扫描方案进行冠状动脉CT成像的受检者25例作为对照组.将对照组常规图像作为A组,将实验组常规图像作为B1组,B1组通过虚拟单能级重建生成40 keV图像作为B2组.对A组、B1组、B2组的图像质量进行客观评价和主观评价;客观评价内容包括冠状动脉各分支的CT值、信噪比(SNR)和对比噪声比(CNR).主观评价由两名高年资影像医师按照5分法完成,主观评分两位评分者的一致性分析采用Kappa检验;组间比较采用Mann-Whitney 检验.结果 实验组B2组的冠状动脉各分支的CT值、SNR和CNR[左冠状动脉主干 CT值:(1306.07±185.16)HU、SNR:101.820±38.10、CNR:113.91±42.13;右冠状动脉 CT 值:(1284.97±203.8)HU、SNR:99.99±37.61、CNR:112.10±41.53;左 回旋支 CT 值:(1191.88±182.83)HU、SNR:93.01±36.10、CNR:105.11±39.92;左前降支 CT 值:(1202.44±185.50)HU、SNR:88.05±33.57、CNR:106.33±41.84]均较实验组B1组和对照组A组的高,其结果差异具有统计学意义(P均＜0.001).实验组B2组的冠状静脉各分支(冠状静脉窦、心大静脉、后室间静脉、前室间静脉、左心室后静脉、左边缘静脉)的CT值、SNR和CNR值明显高于实验组B1组,结果差异具有统计学意义(P均＜0.001).两位医师对B2组图像质量的主观评分均为5(5,5),优于对照组A组和实验组B1组,且主观评价一致性较好(Kappa＞0.7),说明B2组对于冠状动静脉的显示效果和图像质量更好.结论 结合光谱CT虚拟单能量成像技术,能实现冠状动脉和冠状静脉的一体化成像.

目的:针对眼科超声图像数量有限、标注成本高和模型泛化能力不强的问题,提出一种基于改进YOLOv8的超声生物显微镜(ultrasonic biological microscopy,UBM)图像眼前节参数测量方法.方法:首先,使用StyleGAN3进行数据增强,降低YOLOv8模型对UBM图像的敏感度,提高模型的泛化性能;其次,借鉴半监督学习中的伪标签自训练的方法,使用以原始UBM图像为数据集的YOLOv8模型生成虚拟UBM图像的伪标签;最后,使用扩充后的数据集训练YOLOv8模型,同时使用全局上下文网络(global context network,GCNet)模块改进YOLOv8模型,使用关键点排序算法对YOLOv8的预测结果进行排序,结合先验知识筛选出合格图像后,计算眼前节生理参数的测量值.结果:与眼科专家的手工标注结果相比,经StyleGAN3数据增强和自训练的YOLOv8模型的定位误差为(61.94±40.66)μm,测量前房角间距、瞳孔直径、睫状沟间距、中央角膜厚度、前房深度、晶状体厚度的平均相对误差分别为0.62％、1.35％、0.68％、4.87％、0.93％、0.75％.结论:提出的方法能够提高UBM图像眼前节参数测量的精度,且能满足实时性的需求.

在过去20年中,图像引导手术已被用于多种外科学科,主要用于定位不能直接观察的表面下目标.目前的导航系统需要外科医生将患者二维(2D)图像,例如计算机断层扫描(CT)或磁共振成像(MRI)主观转化为三维(3D)解剖结构,或在计算机中渲染为患者的3D解剖结构, 在观察显示器的同时进行手术操作. 增强现实(AR)系统实现了虚拟领域和物理领域的统一,它把计算机生成的2D或3D图像叠加在用户可视的真实世界[1]. 这与虚拟现实(VR)有本质差别,虚拟现实是指户完全沉浸在计算机生成的虚拟环境中,可以应用于模拟练习,但在手术室中就显得有些不切实际[2]. 简单来说, AR补充和整合了单纯靠依赖虚拟现实的传统手术导航的概念,它是用更多的虚拟内容丰富现实的过程,某种程度上代表着下一个能应用手术室的重要技术[3].

[目的]探讨术前虚拟现实(virtual reality,VR)平台辅助下脊柱截骨矫形手术治疗脊柱畸形的临床疗效.[方法]回顾性分析2016年5月～2017年7月本院收治的12例脊柱畸形患者的临床资料,其中6例患者(VR组)应用VR平台进行规划:术前将三维CT图像导入VR平台、自动生成三维重建模型、截骨工具虚拟截骨、自动生成截骨后模型、挑选最合适的截骨方式;6例患者(传统组)为传统截骨矫形治疗.比较两组的手术时间、出血量、围术期并发症及术后矫正率.[结果] 12例患者均顺利完成手术,未出现神经血管损伤、硬脊膜撕裂等并发症.VR组的手术时间、出血量均小于传统组,侧凸Cobb角矫正率及后凸Cobb角矫正率均大于传统组,但差异没有统计学意义.[结论] VR平台能模拟脊柱截骨后效果,在脊柱畸形截骨矫形手术的个体化治疗上具有发展潜力.