P515﹥《全脑CT灌注联合深度学习全模型迭代算法用于评估急性缺血性脑卒中》

概述：目的：观察全脑CT灌注(CTP)动脉期图像联合深度学习全模型迭代算法(AIIR)用于评估急性缺血性脑卒中(AIS)的价值。方法：前瞻性对50例AIS行全脑CTP与CT血管造影(CTA)，之后分别行AIIR(CTP-AIIR组)及混合迭代重建(HIR,CTP-HIR组)并提取CTP动脉期CTA图像；对常规CTA行HIR(CTA-HIR组)。以5分法对各组图像质量进行主观评分；测量基底动脉干、颈内动脉海绵状段、大脑中动脉M1段及脑实质噪声，计算3支动脉信噪比(SNR)和对比度噪声比(CNR)。以数字减影血管造影为参考标准，评估CTP及CTA定位责任血管的准确性。结果：CTP-AIIR组噪声、血管边缘锐利度、小血管可见性和整体可诊断性4项主观评分均显著高于，3支动脉及脑实质噪声均低于，而SNR、CNR均高于CTP-HIR和CTA-HIR组(P均<0.017)。基于CTP-AIIR组与CTA-HIR组判断责任血管的准确率均为96.00%(48/50)，与基于CTP-HIR组(44/50,88.00%)差异无统计学意义(P=0.142)。结论：全脑CTP动脉期图像结合AIIR评估AIS可获得与常规CTA相当的图像质量及诊断效能。

作者简介：王敏可，本科，主治医师，浙江省台州医院放射科；研究方向：医学影像学。E-mail：wangmk@enzemed.com。

谢继承，浙江省台州医院放射科；E-mail：xiejc@enzemed.com。

引用：王敏可,王甜甜,黄金标,等. 全脑CT灌注联合深度学习全模型迭代算法用于评估急性缺血性脑卒中[J]. 中国医学影像技术,2025,4: 515-519.

全文：点击下载

P530﹥《胸部增强CT联合深度学习全模型迭代算法用于支气管动脉成像》

概述：目的：探讨胸部增强CT(C-CECT)联合深度学习全模型迭代算法(AIIR)用于支气管动脉(BA)成像的价值。方法：前瞻性纳入70例接受C-CECT检查的患者，分别以AIIR(AIIR组)与混合迭代重建(HIR,HIR组)重建图像。由2名医师采用5分法对整体图像质量、BA可追溯性、BA锐利度和诊断BA异常信心进行主观评估，比较组间评分及观察者间评估结果的一致性。比较组间重建图像中胸主动脉、肺动脉干、BA及竖脊肌噪声(SD)，上述3支血管相对竖脊肌的对比度噪声比(CNR)，以及BA起源处、分叉处与肺门处直径。结果：AIIR组整体图像质量、BA可追溯性、BA边缘锐利度及诊断BA异常信心评分均高于HIR组(P均<0.001)，且观察者间主观评分的一致性较好(Kappa=0.46～0.73)。AIIR组主动脉、肺动脉干、BA及竖脊肌SD均低于、而上述3支血管CNR均高于HIR组(P均<0.05)。组间BA各处直径差异均无统计学意义(P均>0.05)，而观察者间针对AIIR组测量结果的一致性高于HIR组(组内相关系数：0.89～0.94 vs. 0.63～0.78)。结论：C-CECT联合AIIR可显著提升BA成像质量与诊断信心。

作者简介：韦有永，本科，副主任医师，广西壮族自治区人民医院放射科；研究方向：医学影像学；E-mail：gxwyy2816@163.com。

引用：韦有永,王甜甜,罗颖薇,等. 胸部增强CT联合深度学习全模型迭代算法用于支气管动脉成像 [J]. 中国医学影像技术,2025,4: 530-534.

全文：点击下载

P557﹥《深度学习全模型迭代算法用于重建CT图像:体模实验》

概述：目的：利用体模评估深度学习全模型迭代算法(AIIR)用于重建CT图像的价值。方法：以模型迭代重建(MBIR)结合深度学习(DL)生成AIIR，对CCT MITA IQ体模、CT ACR 464体模、Catphan 700体模、光盘叠加体模及CT PBU-60全身体模进行CT扫描；分别采用滤波反投影法(FBP)、KARL 3D迭代重建等常规算法及AIIR重建CT图像，比较各种重建图像的噪声、X线剂量水平，以及低对比度分辨力、高对比度空间分辨力、锥束伪影及条形伪影等。结果：相比常规算法，利用AIIR重建CT图像可使噪声降低61.74%～99.76%、X线剂量降低60.00%～90.00%，同时将低密度分辨能力提升至1.99～4.86倍、高对比度空间分辨力提升至1.55～2.57倍，且能明显减轻锥束伪影及条形伪影。结论：AIIR用于重建CT图像较常规算法具有明显优势。

作者简介：曹文静，硕士，算法工程师，上海联影医疗科技股份有限公司；研究方向：CT智能重建；E-mail：wenjing.cao@united-imaging.com。

全国涛，上海联影医疗科技股份有限公司；E-mail：guotao.quan@united-imaging.com。

引用：曹文静,孙昊桦,赵立毅,等. 深度学习全模型迭代算法用于重建CT图像:体模实验[J]. 中国医学影像技术,2025,4: 557-562.

全文：点击下载

P616﹥《基于MR T2WI及弥散加权成像影像组学构建机器学习模型预测直肠癌周围神经侵犯》

概述：目的：观察基于MR T2WI及弥散加权成像(DWI)影像组学构建的机器学习(ML)模型预测直肠癌周围神经侵犯(PNI)的价值。方法：回顾性收集343例直肠癌，按8∶2比例划分训练集[n=275,92例PNI(+)及183例PNI(-)]与测试集[n=68,23例PNI(+)及45例PNI(-)]。以单、多因素逻辑回归(LR)分析临床相关资料，筛选直肠癌PNI的独立预测因素并构建临床模型。基于术前T2WI及DWI提取及筛选最佳影像组学特征，分别以极度随机树、多层感知器、轻量梯度提升机、极限梯度提升、支持向量机(SVM)、LR、K-邻近法及随机森林算法构建ML模型，筛选其中最优者，联合临床相关因素构建临床-影像组学ML模型；评估各模型预测效能及临床价值。结果：患者年龄为直肠癌PNI的独立预测因素(OR=0.988,P<0.001)，以之构建的临床模型在训练集和测试集的曲线下面积(AUC)分别为0.435及0.458。8种ML模型SVM模型最优，其在训练集和测试集的AUC分别为0.887及0.854；临床-影像组学ML模型在训练集和测试集的AUC分别为0.887及0.860，与SVM模型差异均无统计学意义(P均>0.05)。决策曲线分析显示，阈值为0.20～0.45时，SVM模型的临床净收益高于其他模型。结论：基于T2WI及DWI影像组学构建的SVM模型可有效预测直肠癌PNI。

作者简介：尚宏霖，硕士，广东医科大学第一临床医学院 / 广东医科大学佛山市第一人民医院影像科；研究方向：MRI诊断；E-mail：1023161901@qq.com。

王伟，广东医科大学佛山市第一人民医院影像科 / 首都医科大学附属北京康复医院放射科；E-mail：medimawei@bjmu.edu.cn。

引用：尚宏霖,詹钰琪,莫少颖,等. 基于MR T2WI及弥散加权成像影像组学构建机器学习模型预测直肠癌周围神经侵犯[J]. 中国医学影像技术,2025,4: 616-621.

全文：点击下载

P670﹥《基于金纳米粒子放射性核素治疗肿瘤研究进展:精准递送及协同抗肿瘤效应》

概述：放射性核素治疗是治疗肿瘤的重要手段。近年来，基于金纳米粒子(AuNP)的放射性核素治疗发展迅猛，并展现出广阔应用前景。本文就基于AuNP的放射性核素治疗肿瘤、特别是精准递送及协同抗肿瘤效应研究进展进行综述。

作者简介：刘颖，硕士，研究实习员,中国医科大学附属盛京医院核医学科；研究方向：正电子放射性药物；E-mail：13045172693@163.com。

辛军，中国医科大学附属盛京医院核医学科；E-mail：xinj@sj-hospital.org。

引用：刘颖,张新,辛军. 基于金纳米粒子放射性核素治疗肿瘤研究进展:精准递送及协同抗肿瘤效应[J]. 中国医学影像技术,2025,4: 670-673.

全文：点击下载