目的:比较基于普通影像及超分辨率(SR)重建技术的图像构建的影像组学模型在预测颅内未破裂动脉瘤支架介入术后沉默性脑梗死患者临床预后中的应用。方法:选择郑州大学第一附属医院和南昌大学第一附属医院2016年1月至2021年12月期间接受支架介入治疗的未破裂颅内动脉瘤，并通过磁共振弥散加权成像技术(DWI)筛选沉默性脑梗死患者218例。使用SR重建技术提高了图像质量，分别对普通DWI图像及SR重建技术处理的图像提取大量的影像组学特征，并采用相关分析、单因素分析和最小绝对收缩和选择算子(LASSO)回归模型来选择最佳的影像组学特征。基于这些特征通过逻辑回归分类器建立临床预后预测模型，并利用受试者操作特征(ROC)曲线评价模型的预测效能。结果:根据每个患者的影像均提取1 835个影像组学特征。在测试集中，基于SR重建技术构建的影像组学模型在预测患者临床预后方面表现出更好的性能，ROC分析显示其曲线下面积(AUC)为0.764，而基于普通DWI影像构建的模型的AUC值为0.714。结论:相较于普通DWI影像，SR重建技术有望于提高图像质量并增加对预测颅内未破裂动脉瘤支架介入术后出现沉默性脑梗塞患者的临床预后的准确性。

在生物医学研究中，显微成像仍是最常用的技术之一。由于衍射极限的存在，光学显微镜的分辨率长期被限制在200 nm。近年来，突破衍射极限的超高分辨率显微成像技术的发展与应用，推动了生物医学研究的进展。本文主要对受激发射损耗(stimulated emission depletion，STED)和随机光学重建(stochastic optical reconstruction microscopy，STORM)两类超高分辨率显微成像技术的成像原理、生物医学应用、优劣势比较及应用局限性进行探讨。

腹腔镜视觉平台经历了从最初利用烛光反射镜装置到高清、3D、4K超高清腹腔镜的发展历程，是外科从开腹手术变革为微创手术的重要推手。随着腹腔镜技术在胃癌外科领域的持续发展，其在胃癌手术中的地位和作用逐渐得到确立。胃癌根治术主要包括淋巴结清扫及消化道重建，术后消化道重建直接与术后并发症发生率、患者术后营养状态和生命质量密切相关。远端胃癌根治术后消化道重建一直是临床上讨论和研究的热点。笔者探讨4K腹腔镜远端胃癌根治术Roux-en-Y吻合消化道重建。

该文报道1例重度乳腺肥大患者，借助光子计数CT微小血管增强现实手术导航工作流进行术前乳腺细小动脉分支走行规划，成功完成巨乳缩小整形术。患者女，62岁，乳腺重度肥大伴Ⅱ度下垂，术前行光子计数细小动脉CT血管成像评估乳腺血供情况，结合光子计数CT超高分辨率解析优势、三维全息仿生实景渲染技术，以及增强现实可视化手术技术手段将重建三维解剖信息图像投射至患者体表，完成细小动脉血供术前定位。术中结果显示乳头乳晕复合体供血良好，血管走行与CT影像及增强现实所见高度一致，手术效果满意。

目的:探讨3D打印技术在耳显微手术中的应用及重建个性化乳突气房结构、精准修复的可行性。方法:选取2018年12月行显微乳突手术治疗的患者1名，术前颞骨高分辨率CT（HRCT）数据导入Mimics 21.0，获得模拟颞骨皮质骨与乳突气房一体的个性化三维模型，导入3-matic 12.0，将其转化为表面积（SA）、体积（V）和SA/V达到参考值范围的网格支架形成气房，输入3D打印设备使用相应材料快速成型。结果:①依据模拟轮廓化乳突腔三维模型设计的孔径分别为0.5、1.0、1.5、2.0、2.5、3.0 mm的重建气房支架中，所有孔径支架SA、V均在95%参考值范围内；孔径为1.0、1.5、2.0 mm的支架SA/V在95%参考值范围内；孔径为0.5 mm的支架SA/V超出95%参考值范围上限1.7888mm -1；孔径为2.5、3.0 mm的支架SA/V未能达到95%参考值范围下限0.8308mm -1；孔径为1.0 mm的支架SA/V为1.3856 mm -1，在所有不同孔径支架中最接近前期研究SA/V平均值1.3098 mm -1。②树脂光固化成型的孔径为1.0 mm的个性化重建乳突气房支架形态还原好，重建皮质骨及气房支架硬度还原可。 结论:通过显微解剖结构数字重建，3D打印乳突模型不仅可辅助耳显微手术设计，更是一种实现精准修复缺损、个性化治疗胆脂瘤的可行途径。

目的 为解决超铀核素对伤口的放射性污染问题,开展基于编码孔成像技术的伤口辐射成像研究.方法 通过蒙特卡罗模拟多种源项,比较两种图像重建算法在近场条件下成像效果的差异,以及探测器像素和成像平面像素数量对图像分辨率的影响.结果 根据设计的尺寸进行成像系统模拟工作,模拟成像视野为 89.4 mm×89.4 mm,模拟角分辨率为 1.98°,根据对比不同条件下重建点源的平均半高宽,得出增加探测器和成像平面中的像素数量可以优化角分辨率,但显著延长蒙特卡罗模拟时间.结论 根据模拟结果,该成像系统的参数可以有效的对放射性污染进行成像,为超铀核素致伤口污染测量提供了方法支持,同时为后续实际伤口污染成像探测系统的研发奠定基础.

缺血性脑卒中是我国发病率和死亡率最高的疾病,动脉粥样硬化斑块破裂堵塞血管形成血栓系主要病因[1-2].相比血管造影,MR血管壁成像(vessel wall imaging,VWI)检测颅内斑块、区分管壁病变等的敏感度和特异度均更高;但颅内血管走行纡曲,紧邻脑脊液、脑实质等周边组织,而VMI信噪比低、扫描时间长,无法以高分辨率显示颅内血管[3].并行成像和压缩感知(compressed sensing,CS)技术已广泛用于临床以缩短3.0T高分辨率VMI扫描时间[4-5],但存在重建较为耗时、算法调整参数困难及显示管壁易模糊等问题.为此有研究[6]以超高场7.0T MR仪行各向同性0.4 mm分辨率成像,但用时约需11 min,且磁场不均匀性影响图像质量.近年来,基于深度学习(deep learning,DL)的重建方法已用于3.0T MRI.本研究观察人工智能辅助 CS(artificial intelligence assisted CS 3D,ACS 3D)重建技术用于改善5.0T MR VMI质量的价值.

人工智能技术评估脊髓小脑共济失调3型患者脑萎缩的应用价值;CT灌注成像中Mismatch比值和扩散加权成像评估急性缺血性脑卒中患者病灶转归;深度学习重建辅助流动敏感黑血序列在豆纹动脉MRI的临床应用;颈动脉周围脂肪密度与颈动脉斑块CT易损特征的相关性研究;基于2022欧洲指南下CT肺动脉成像参数对慢性血栓栓塞性肺动脉高压预测价值研究;胸腺类癌的CT和MRI影像学表现分析;基于计算机辅助的实性成分质量比预测IA期肺腺癌侵袭性的价值;非结核分枝杆菌肺病高分辨率CT特征与疗效的相关性;CT脂肪衰减指数在冠状动脉不同分支的影响因素分析;冠状动脉CT血管成像图像人工智能辅助诊断用于急性冠状动脉综合征患者评估的准确性和临床价值;基于联合DCE-MRI灌注参数、ADC值和临床特征模型对HER-2过表达型乳腺癌的诊断价值;T2 mapping序列结合表观扩散系数值在鉴别乳腺良恶性病变中的价值;CT细胞外体积分数在急性胰腺炎诊断及分型中的应用价值;基于高分辨率MRI的三维可视化模型在复杂性肛瘘诊疗评价中的应用价值;基于MRI-T2WI影像组学列线图预测急性胰腺炎严重程度;基于CT增强的影像组学诺模图在术前评估结肠癌微卫星不稳定状态的应用价值;基于CT影像组学特征的机器学习模型预测胃肠间质瘤的危险度;基于MRI影像组学诺模图预测子宫内膜癌患者术后无进展生存期;双参数MRI影像组学对前列腺癌Gleason分级的诊断价值;多模态MRI在诊断宫颈癌患者阴道受累和宫旁浸润价值分析;MRI影像组学对前列腺影像报告与数据系统3～4的移行带临床显著前列腺癌的诊断价值;基于腰椎CT影像组学列线图对骨质疏松的诊断价值;炎症性肠病相关性脊柱关节炎影像表现特点;儿童睾丸畸胎瘤的MRI表现及病理分析;基于深度学习技术在CT引导下经皮肺穿刺活检术中降低辐射剂量的临床应用;尿激酶联合替罗非班治疗数字减影血管造影阴性的急性脑梗死的临床疗效;胸部增强CT在咯血患者选择性动脉栓塞术中的临床应用价值;基于宽体探测器不同扫描方案在超重患者冠状动脉CT血管成像中的可行性研究;应用六西格玛管理法对放射科CT辐射剂量的管理;联合80 kV管电压及Karl迭代重建降低320排CT腹部增强扫描辐射剂量的可行性研究;"三低对比剂"联合能谱CT技术对门静脉和肝静脉一体成像的可行性研究;基于深度学习图像重建算法优化低剂量腹壁下动脉CT血管成像参数;压缩感知3D液体衰减反转恢复增强扫描在肿瘤脑转移检出的应用价值;CT灌注成像评估创伤性脑损伤及脑肿瘤的研究进展;脑小血管病影像特征与颅内动脉钙化相关性的研究进展;基于CT评估冠状动脉周围脂肪组织的研究进展;影像组学和深度学习预测鼻咽癌预后的研究进展;影像组学在食管癌临床应用中的研究进展;基于OBE理念的《医学影像检查技术》DR实训教学体系的探索与实践.

近日,影动医疗在人工智能医学影像重建增强产品的布局上取得了里程碑性的进展.团队自研的针对CT和SPECT的人工智能医学影像重建增强产品RaDynCT和RaDynSPECT成功通过了 NMPA医疗器械注册审批,继2022年RaDynMR和Ra-DynPET产品获批注册后,影动医疗名下的注册证超过4件,标志着影动医疗成为全球该领域内获批注册证数量最多、覆盖细分市场最广的厂家.其中,CT超高分辨率增强技术和SPECT超快速扫描增强技术,更是领先GPSU等行业大厂,处于国际首创的地位.

核磁共振(Magnetic Resonance,MR)成像是临床医学诊断的主要影像工具之一,但受成像条件、扫描时间等因素限制,MR成像设备获取的影像存在分辨率低的问题.超分辨率重建(Super-Resolution,SR)技术是提高MR影像分辨率经济、高效的手段.然而,多数MR图像超分辨重建方法或者忽略了MR多参数成像特点,仅利用其单一模态数据进行重建,导致重建效果欠佳;或者仅是简单地在模型输入端进行多模态数据融合,未充分利用多模态数据在多层级特征空间的关联性,从而限制了SR模型重建性能的提升.为更高效地利用多模态信息提高MR影像分辨率,构建了基于多模态数据融合的MR图像超分辨重建网络(Multi-contrast Data Fusion Network for MRI Super-Resolution,MDFN).结合注意力机制和残差结构,构建特征融合模块(Feature Fusion Module,FFM),实现对多模态数据融合后特征的重新校准,有效增强高价值信息的重建作用;同时,通过级联的残差块和特征融合模块(FFM),构建特征融合残差组(Residual Group with Feature Fusion,RGFF),并通过级联RGFF模块,实现多模态特征在多层级特征空间的有效融合.在MR数据测试集上的综合试验结果表明,所构建的模型能以低的模型参数量和计算复杂度获得在主观质量和客观评价上都优于其他方法的重建结果.