2026年 · 第60卷第03期

深度学习图像重建（DLIR）技术通过深度神经网络实现低剂量与高质量图像的有机统一，已成为CT技术革新的核心驱动力。笔者结合近些年最新循证证据与临床实践，系统梳理DLIR在多部位临床应用的进展，重点论述“纹理保真-定量精准-多模态融合”三位一体发展策略的核心内涵与实践路径，深入探讨跨学科协作构建“算法-设备-临床”生态链的关键价值。未来需通过新技术研发、设备适配与临床需求的深度融合，推动DLIR技术从个体化应用走向规模化普及，为疾病早诊早治提供更高效、安全的影像解决方案。

腮腺肿瘤类型多样，诊断依赖高质量的影像评估。CT与MRI是腮腺肿瘤常用的影像检查手段，规范的检查流程与参数设置对于提升图像质量、增强可比性及诊断准确性至关重要。本共识旨在统一腮腺肿瘤CT和MRI的适应证、扫描方法、参数设置、图像后处理及报告撰写要点，提升图像的一致性和报告的规范性，为临床诊断与治疗提供标准化的影像依据。

目的 探讨基于颈部增强CT影像学特征的临床影像联合模型预测人乳头瘤病毒（HPV）相关性口咽鳞状细胞癌（OPSCC）的价值。 方法 本研究为病例对照研究，回顾性收集2015年1月至2025年1月青岛大学附属医院（中心1，310例）和2019年1月至2024年1月山东第一医科大学附属省立医院（中心2，42例）、首都医科大学附属北京友谊医院（中心3，37例）、厦门大学附属第一医院（中心4，23例）经病理证实的OPSCC患者。共412例，依据p16免疫组化染色结果分为HPV相关性组（118例）和非HPV相关性组（294例）。将来自中心1 2022年10月及以前的患者作为训练集（217例，HPV相关性组55例，非HPV相关性组162例）；将中心1自2022年10月以后的患者作为内部验证集（93例，HPV相关性组30例，非HPV相关性组63例）；将中心2、3、4的患者共同组成外部验证集（102例，HPV相关性组33例，非HPV相关性组69例）。在训练集中采用独立样本t检验、Mann-Whitney U检验、χ²检验比较2组间临床特征、原发灶和淋巴结影像学特征的差异。利用逻辑回归筛选HPV相关性OPSCC的独立预测因子，构建临床影像联合模型。采用受试者操作特征曲线下面积（AUC）评估模型的诊断效能。 结果 训练集中HPV相关性组与非HPV相关性组间性别、吸烟/饮酒、亚部位，原发病灶的形态、坏死/囊变、边缘强化、临床T分期，淋巴结短径、数量以及坏死/囊变差异均有统计学意义（P均<0.05）。多因素逻辑回归结果显示吸烟/饮酒（OR=0.233，95%CI 0.102~0.531，P<0.001）、原发病灶形态（OR=0.336，95%CI 0.203~0.558，P<0.001）、原发病灶坏死/囊变（OR=0.310，95%CI 0.130~0.739，P=0.008）、临床T分期（OR=0.302，95%CI 0.128~0.710，P=0.006）、淋巴结坏死/囊变（OR=2.418，95%CI 1.616~3.619，P<0.001）是HPV相关性OPSCC的独立预测因素，建立临床影像联合模型。联合模型在训练集、内部验证集和外部验证集中预测HPV相关性OPSCC的AUC（95%CI）分别为0.828（0.763~0.893）、0.807（0.716~0.898）和0.811（0.711~0.912）。 结论 吸烟/饮酒、原发病灶形态、原发病灶坏死/囊变、临床T分期以及淋巴结坏死/囊变是鉴别HPV相关性OPSCC与非HPV相关性OPSCC的独立预测因素，基于上述因子建立的临床影像联合模型具有良好的诊断效能。

目的 开发基于免疫治疗前MRI影像的影像组学模型，并验证其预测局部晚期鼻咽癌（LANPC）患者免疫治疗响应。 方法 本研究为回顾性队列研究。回顾性收集2019年6月至2023年12月在6个医疗中心接受程序性死亡受体-1抑制剂联合治疗的LANPC患者，共175例患者，来自5个中心的患者作为训练集（117例），1个中心的患者作为外部验证集（58例）。研究终点为对免疫治疗的反应，分为治疗有效组（131例）和治疗无效组（44例）。使用单因素和多因素逻辑回归（LR）分析获得预测免疫治疗反应的临床变量，建立临床模型；对基线T1WI、T2WI和增强T1WI图像提取影像组学特征，利用机器学习分类器构建影像组学模型；整合临床数据和影像组学分数构建联合模型。使用受试者操作特征曲线评估各模型的效能。对外部验证集的苏木精-伊红（HE）染色和免疫组织化学（IHC）染色的全切片图像，提取150种核形态特征（NMF）和12种细胞空间分布特征（CSDF）。使用Spearman相关性分析评估影像组学特征与病理特征之间的相关性。 结果 单因素LR分析结果显示N分期（OR=1.77，95%CI 1.12~2.89，P=0.017）和白细胞计数（OR=1.37，95%CI 1.07~1.80，P=0.017）差异有统计学意义，构建临床模型，在训练集和外部验证集中曲线下面积（AUC）分别为0.680（95%CI 0.637~0.723）和0.523（95%CI 0.479~0.566）。影像组学模型保留了6个特征，其中2个来自增强T1WI，4个来自T2WI，训练集的AUC为0.878（95%CI 0.845~0.910），外部验证集AUC为0.795（95%CI 0.761~0.830）。联合模型的AUC在训练集和外部验证集中分别为0.911（95%CI 0.887~0.936）、0.823（95%CI 0.790~0.856）。6个影像组学特征与HE染色图片的NMF得到146个相关对，呈中度相关；与12个CSDF中得到3个相关对。6个影像组学特征与IHC染色图片的NMF得到340个相关对，均为中度相关，其中CD8与影像组学特征的相关性最强，共84对；与IHC染色图片的CSDF间均无相关性。 结论 本研究构建的基于基线MRI图像影像组学和临床特征的联合模型可准确预测LANPC免疫治疗疗效，且筛选出的影像组学特征与基于HE染色和IHC染色图片提取的病理特征具有相关性。

目的 探讨新辅助治疗（NAT）不同周期的MRI特征预测不同激素受体（HR）状态人表皮生长因子受体2（HER-2）阳性乳腺癌患者术后病理完全缓解（pCR）的价值。 方法 回顾性分析2020年6月至2024年12月在中国医科大学附属第一医院接受诊治的92例HER-2阳性乳腺癌患者的临床及影像资料。所有患者均于NAT前及NAT后1周期、3周期、6周期接受乳腺动态对比增强MRI检查，并评估MRI参数肿瘤退缩模式、时间-信号强度曲线（TIC）类型等变化。采用受试者操作特征曲线和曲线下面积（AUC）评估不同NAT周期MRI参数联合预测不同HR状态HER-2阳性乳腺癌术后pCR的效能。 结果 HR阴性HER-2阳性乳腺癌中，NAT 1周期MRI特征对预测术后pCR无显著价值，NAT 3周期早期强化TIC类型（OR=0.061，95%CI 0.004~0.849，P=0.037）是预测术后pCR的影响因素，其预测术后pCR的AUC为0.938（95%CI 0.798~0.992）。HR阳性HER-2阳性乳腺癌中，NAT 1周期肿瘤退缩模式（OR=6.019，95%CI 1.504~24.087，P=0.011）、延迟强化TIC类型（OR=0.332，95%CI 0.120~0.915，P=0.033）是预测术后pCR的独立影响因素，两者联合预测术后pCR的AUC为0.808（95%CI 0.684~0.900）。 结论 HER-2阳性乳腺癌多NAT周期MRI参数预测术后pCR的效能受HR状态影响。对于HR阴性HER-2阳性乳腺癌患者需结合NAT 3周期MRI特征进行预测；对于HR阳性HER-2阳性乳腺癌患者NAT 1周期MRI特征即可有效预测pCR。

目的 探讨能谱CT多参数成像预测乳腺癌隐匿性淋巴结转移（OLNM）的价值。 方法 回顾性分析2023年9月至2025年10月在昆明医科大学第一附属医院诊断为临床淋巴结阴性乳腺癌患者106例的临床、病理及影像学资料，并根据术后病理结果分为OLNM阳性组（38例）和OLNM阴性组（68例）。手术前采用能谱CT对患者进行胸部平扫及动、静脉双期增强扫描，测量病灶的碘浓度、标准化碘浓度（NIC）、有效原子序数（Zeff）、标准化有效原子序数（NZeff）、能谱曲线斜率、细胞外容积（ECV）及电子云密度等参数。采用独立样本t检验、Mann-Whitney U检验、χ2检验分析2组临床、病理、常规影像特征及能谱CT参数的差异。将单因素分析中差异有统计学意义的临床、病理、影像特征联合构建临床病理影像模型，将差异有统计学意义能谱CT参数联合构建能谱CT参数模型，以上特征联合构建联合模型，通过受试者操作特征曲线和曲线下面积（AUC）评估各模型预测乳腺癌OLNM的效能。 结果 OLNM阳性组静脉期NIC、Zeff、NZeff和ECV显著高于OLNM阴性组（P<0.05）。临床病理影像模型、能谱CT参数模型、联合模型预测乳腺癌OLNM的AUC分别为0.819、0.716、0.856。 结论 能谱CT静脉期定量参数可有效预测乳腺癌OLNM，联合临床病理影像特征可显著提升预测效能，为术前无创评估淋巴结状态提供重要依据。

目的 构建基于增强MRI图像的影像组学特征和临床特征联合模型，探讨其术前评估透明细胞肾细胞癌（ccRCC）患者肾周脂肪粘连（APF）的价值。 方法 本研究为病例对照研究，回顾性分析2020年8月至2023年12月解放军总医院第三医学中心（中心1）和第一医学中心（中心2）接受肾切除术的ccRCC患者资料。共360例患者，中心1的302例患者按5折交叉法分设训练集和内部验证集，中心2的58例患者作为外部验证集。依据病理结果判定是否存在APF，中心1患者中APF阳性71例、阴性231例，中心2患者中APF阳性31例、APF阴性27例。通过多因素逻辑回归（LR）分析在临床特征中获得APF的独立危险因素，构建临床模型。从MRI增强T1WI皮质晚期图像中手动勾画患侧肾周脂肪为感兴趣区并提取1 871个影像组学特征，经筛选降维后采用LR、支持向量机、决策树、随机森林、极限梯度增强树5种分类算法构建影像组学模型，比较其预测效能获得最优影像组学模型。联合临床模型和最优影像组学模型建立联合模型。采用受试者操作特征曲线评估模型的预测效能，曲线下面积（AUC）的比较采用DeLong检验。利用校准曲线评估模型预测概率准确性，决策曲线评估模型临床净收益。 结果 训练集中，临床特征中肿瘤最大径（OR=1.210，95%CI 1.065~1.374，P=0.003）和梅奥粘连概率评分（OR=1.656，95%CI 1.283~2.138，P<0.001）为APF发生的独立危险因素，建立临床模型。经特征筛选降维保留242个组学特征。内部验证集中，5种算法中LR表现出最优效能，AUC、准确度和灵敏度分别为0.850（95%CI 0.797~0.903）、0.831、0.563，为最优影像组学模型。临床、影像组学和联合模型在内部验证集中的AUC分别为0.743（95%CI 0.676~0.809）、0.850（95%CI 0.797~0.903）、0.903（95%CI 0.860~0.945），在外部验证集中分别为0.748（95%CI 0.621~0.875）、0.840（95%CI 0.728~0.952）、0.884（95%CI 0.789~0.979）。外部验证集中临床模型与联合模型AUC差异有统计学意义（Z=-1.96，P=0.049），其他两两比较差异无统计学意义（P均>0.05）。内部验证集中联合模型校准曲线与理想曲线贴合度高，而外部验证时偏离较大。内、外部验证集中决策曲线在高风险阈值0~0.8区间净收益均优于基准策略，且外部验证集决策曲线净收益高于内部验证集。 结论 结合影像组学和临床特征的联合模型可在术前有效预测ccRCC患者的APF状态，效能优于单独的临床模型。

目的 探究药物涂层球囊血管成形术（DCBA）治疗颅内动脉粥样硬化性狭窄（ICAS）术后发生血管夹层的影响因素。 方法 回顾性收集2019年7月至2024年8月于河南省人民医院行DCBA治疗的147例ICAS患者的基线资料、术前DSA病变特征、手术资料进行分析。DCBA后根据DSA是否有夹层形成，分为夹层组和无夹层组，其中夹层组37例，无夹层组110例，术中进行支架植入者18例。通过卡方检验或Fisher精确检验检测两组间分类变量的差异；Wilcoxon秩和检验用于检测连续变量的差异。并通过单因素和多因素logistic回归分析，探索术后夹层发生的相关影响因素。 结果 对患者数据资料进行单因素logistic回归分析发现，Mori分型、术前狭窄率、病变最小直径、病变长度及钙化可能与夹层发生相关。将上述特征纳入多因素logistic回归分析，结果提示病变最小直径（OR=0.11，95%CI 0.01~0.89，P=0.04）、病变长度（OR=1.23，95%CI 1.03~1.46，P=0.02）及钙化（OR=2.76，95%CI 1.08~7.09，P=0.03）是夹层发生的独立影响因素。 结论 DCBA治疗ICAS术后夹层的发生与病变最小直径、病变长度及钙化独立相关，本研究结论可为DCBA的临床应用提供理论指导。

目的 基于深度学习重建算法探讨采用低管电压（80 kV）实现亚mSv超低剂量颈部CT血管成像（CTA）的可行性。 方法 前瞻性收集浙江医院2024年5至6月行颈部CTA患者76例，采用随机区组法分为A、B组（每组38例）。A 组管电压100 kV，管电流200 mAs，迭代算法 50%重建；B 组管电压 80 kV，管电流200 mAs，结合迭代算法 50%重建和不同等级深度学习重建算法（50%~90%，间隔10%）重建，共6个亚组，记为B1~B6组。记录两组患者扫描长度和辐射剂量。在轴面图像上测量优势侧主动脉弓、颈总动脉、颈内动脉和舌骨层面胸锁乳突肌的CT值和噪声值（SD），计算各血管的信噪比（SNR）和对比噪声比（CNR）。重组容积再现、最大密度投影及曲面重组图像，由两名观察者采用双盲法独立行5分制对图像评分并行一致性检验。不同重建图像客观指标组内采用单因素方差分析，组间采用独立样本t检验；对组内图像血管的主观评分采用Friedman检验，组间采用Mann-Whitney U检验。 结果 A、B两组患者性别比例、年龄、体重指数及扫描长度差异均无统计学意义（P均>0.05）；B组有效剂量［（0.62±0.05）mSv］较A组［（1.54±0.14）mSv］降低59.74%，差异具有统计学意义（t=38.355，P<0.001）。B 组各血管的 CT 值明显高于A组（P>0.05），A、B1 组间比较，SD、SNR、CNR差异均有统计学意义（P<0.05），B2~B5 随着深度学习重建算法等级的提高，SD 值逐渐下降，SNR、CNR 逐渐升高（P<0.05），B3~B6组各血管SNR，CNR均优于A组（P<0.05）。两名诊断医师对图像主观评分一致性良好（Kappa值0.698~0.899）。B组图像质量的主观评分随着深度学习重建等级的提高呈现逐步升高趋势，B6组得分最高，且高于A组（P<0.05）。 结论 80 kV联合深度学习重建算法等级90%能够在超低剂量亚mSv下保证颈动脉CTA图像质量。

目的 探讨深度学习算法（Clear Infinity，CI）不同重建权重对胸部CT图像质量及人工智能（AI）辅助筛查肺结节的影响。 方法 前瞻性收集山东大学齐鲁第二医院2025年2至4月确诊为肺炎的患者50例。所有患者均接受首诊CT胸部平扫（100 kV）及低剂量（80 kV）胸部CT复查，采用20%、40%、60%、80%权重迭代（CV）重建和CI重建肺窗图像。分析图像对比噪声比（CNR）和主观总体图像质量评分、关键肺结节评分及结节AI辅助诊断平台自动筛查肺结节的数量。2组间的比较采用配对t检验或Wilcoxon符号秩检验，多组间比较采用Kruskal-Wallis检验。 结果 20%、40%、60%、80%权重时100 kV CI重建与100 kV CV重建、80 kV CI重建与80 kV CV重建的CNR值、总体图像质量评分、关键结节评分差异有统计学意义（P<0.05）。80 kV CI重建与100 kV CV重建在80%权重时的总体图像质量评分，在60%、80%权重时的关键结节评分差异均无统计学意义（P>0.05）。100 kV和80 kV条件下，20%、40%、60%、80%权重间CI重建的CNR、总体图像质量评分和关键结节评分总体差异均有统计学意义（P<0.01），其中总体图像质量评分和关键结节评分均在60%权重时达峰值。CI重建中，100 kV、80 kV时60%和80%权重图像检出的肺结节数量最多。 结论 60%、80%权重CI重建图像在保障图像质量的同时，有助于提高AI辅助检出肺结节的数量。

目的 探讨在超高清CT下超薄层厚和深度学习算法对盆腔CT图像质量的影响。 方法 采用超高清CT对氧化铅灌注的20岁男性尸体标本盆腔进行扫描，采用2种扫描方案：（1）准直器宽度为76×0.156 mm，扫描矩阵为2 048×2 048；（2）准直器宽度为256×0.312 5 mm，扫描矩阵为1 024×1 024。图像重建方法：（1）超薄层厚图像。对0.156 mm准直的原始图像，采用权重为70%的迭代重建算法ClearView（CV70）进行重建，重建层厚为0.156 mm。（2）标准高分辨率薄层图像和常规层厚图像。对0.312 5 mm准直的原始图像，分别采用迭代重建算法（CV）和深度学习重建算法ClearInfinity（CI）重建为层厚0.312 5 mm（重建矩阵1 024×1 024）和0.625 mm（重建矩阵512×512）的图像，CV的权重为20%、40%、60%、70%、80%，CI的权重为20%、40%、60%、80%。客观测量髂外动脉、皮下脂肪、臀大肌的CT值和噪声（SD），计算信噪比（SNR）、对比噪声比（CNR）。采用盲法对图像进行噪声、清晰度、对比度、小结构可见性及整体质量的主观评分（5分制）。比较不同层厚、重建方法多组图像间客观指标和主观评分的差异。 结果 在CV70水平下，与0.312 5 mm层厚和0.625 mm层厚图像比较，0.156 mm超薄层厚图像的SD值更低，SNR、CNR和主观质量评分更高（P均<0.05）；0.156 mm图像5个方面的主观评分较0.312 5 mm图像和0.625 mm图像更高，差异有统计学意义（P均<0.05）。在同为60%和80%的重建强度下，0.312 5 mm层厚和0.625 mm层厚的重建图像中，使用CI算法的SD值低于CV算法，SNR、CNR和主观质量评分高于CV算法，差异均具有统计学意义（P均<0.05）。 结论 在超高清CT扫描中，0.156 mm超薄层厚结合高强度CV重建，可在获得高空间分辨率的同时减少噪声；而CI在中等及以上权重时，能较传统CV算法提升盆腔CT图像的客观与主观质量。

通过建立真实高原低氧大鼠模型，利用能谱CT碘浓度定量分析技术探讨高原环境下大鼠肾脏微循环的改变。将4周龄SD雄性大鼠采用完全随机分组法分为高原组和平原组，均为9只。高原组饲养于海拔3 700 m青海玉树真实高原环境下，平原组饲养于海拔480 m四川成都动物实验室，均饲养26周。采用能谱CT扫描双侧肾脏皮髓期、实质期和排泄期图像，定量测定并比较各期肾皮质、髓质的碘浓度（IC），并通过肾脏组织病理HE染色、Masson染色观察肾脏组织学改变。结果显示高原组大鼠左、右侧肾髓质在排泄期IC差异有统计学意义（P=0.010）。高原组大鼠双肾皮质实质期、排泄期IC和双肾髓质排泄期IC低于平原组，差异有统计学意义（P<0.05），其他部位和期相IC差异均无统计学意义（P>0.05）。大鼠肾脏HE染色显示高原组肾小球肿胀致球囊间隙变窄或消失；近曲肾小管上皮细胞高度肿胀、变性，管腔狭窄甚至消失。Masson染色显示高原组肾小管肌纤维增粗，肾小球基底膜、肾小管周围间质及肾小管刷状缘胶原纤维明显增多。本研究结果提示高原低氧环境可引起大鼠肾脏皮质及髓质微循环改变，血液灌注不足，引发肾小球及肾小管损伤。IC可用于无创评估缺氧引起的肾微循环障碍。

本文报道2例主动脉漂浮血栓形成病例，并结合文献讨论，以提升影像医师诊断精准度及临床医师诊疗水平。例1为60岁男性，因发现升主动脉管腔内占位入院。全主动脉CT血管成像（CTA）提示升主动脉增腔内见长条状漂浮充盈缺损。患者接受升主动脉置换术，术后病理证实为动脉粥样硬化斑块溃疡合并血栓形成。例2为32岁男性，临床诊断为急性心肌梗死。冠状动脉造影显示前降支远段腔内血栓，予药物治疗。主动脉CTA提示主动脉弓降部漂浮血栓及降、腹主动脉附壁血栓。予内科药物治疗，1年后随访显示主动脉血栓部分消失。主动脉漂浮血栓临床罕见，主动脉粥样硬化的患者需警惕。建议行主动脉CTA全面评估病变，并依据临床表现选择治疗方案。影像学的精准诊断与临床个体化治疗对改善患者预后至关重要。

本文报道1例支气管镜活检术后继发肺动脉假性动脉瘤的患者。该患者为75岁男性，因胸部CT右肺下叶发现良恶性不明的肺结节而行支气管镜活检，随访增强CT示右肺下叶结节轻度强化，其内见约13 mm×10 mm均匀强化且与肺动脉强化程度一致的结节，提示假性肺动脉瘤。

该文报道1例肾脏原发性间叶性软骨肉瘤的临床与影像表现。患者女，49岁，超声表现为囊实性肿块，内见多发颗粒样强回声，部分伴声影；CT表现为右肾下极伴钙化的稍高密度肿块，边界清晰，增强后呈轻度延迟强化，内部可见迂曲树枝状小血管影。术后病理证实为肾脏间叶性软骨肉瘤。

该文报道1例经病理证实的原发性腹壁结外边缘区黏膜相关淋巴组织淋巴瘤患者的影像表现。患者女，59岁，CT平扫表现为左前腹壁孤立实性肿块，呈均匀等密度。MRI平扫表现为T1WI呈均匀等信号，脂肪抑制T2WI呈高信号，DWI呈明显高信号。CT及MRI增强扫描肿瘤呈明显均匀强化，未见坏死囊变征象。左侧腹壁下动脉全程明显增粗，分支增多，呈“蟹足状”进入到腹壁肿块内，同侧腹壁下静脉增粗且提前显影。

平扫CT是自发性脑出血临床诊疗的关键技术，但其诊断效能受限于医师经验，存在效率不高和判读一致性不佳等问题。深度学习技术能够从平扫CT影像中提取深层特征，实现血肿的自动化检测与精准分割，从而显著提升病灶识别效率与量化评估准确度，为构建血肿扩大风险预警模型、辅助临床干预提供了新途径。然而，该领域目前仍面临数据质量不均、模型泛化能力有限、算法可解释性不足以及临床评估体系不完善等挑战。未来研究应致力于推动多中心标准化数据共建、开发高可解释性模型，以促进该技术从辅助评估工具向精准诊疗决策支持系统转变，为自发性脑出血的临床管理提供更可靠的解决方案。

头颈动脉粥样硬化性疾病是全球范围内卒中发生的主要原因，血管内治疗作为其主要治疗策略之一发挥了重要作用，但需术前审慎评估及术后严密监测。血管壁MRI（VW-MRI）可详细描绘管壁特征，在术前评估与决策、围术期风险预测以及术后监测与疗效评估等环节展现出了独特价值，为临床优化治疗方案提供了重要参考信息。本文基于VW-MRI在头颈动脉粥样硬化性疾病血管内治疗中的研究现状进行综述，以期为临床实践和未来研究提供有益参考。

抗肿瘤治疗相关心血管毒性已成为影响肿瘤患者长期预后的重要因素，早期精准识别心脏结构与功能异常对优化临床决策具有重要价值。传统影像学技术通过多模态评估策略，可系统检测心肌应变、组织特征及血流动力学改变，为个体化风险分层提供客观依据。近年来，人工智能驱动的心脏影像学技术突破传统分析维度，深度挖掘亚临床病变特征，实现心血管毒性风险的定量化预测。本文系统综述了传统影像学技术在肿瘤治疗诱导的相关心功能不全早期识别与风险分层中的创新应用，重点探讨不同技术方案的诊断效能及临床应用场景，并针对现存技术瓶颈提出融合传统影像与人工智能的下一代解决方案，旨在为建立规范化肿瘤心脏病学风险管理体系提供理论依据。

腹部解剖结构复杂，CT成像对比度低，传统重建算法难以兼顾图像质量与辐射安全。深度学习重建（DLIR）技术在低剂量腹部CT成像中优势显著。在单能和双能CT中，噪声纹理、分辨率、病变可见性和检测能力均呈现剂量依赖特征，在不同剂量下DLIR算法各有优势；腹部血管CTA中可降低辐射剂量与碘对比剂用量；对不同体型患者，低剂量下仍能保证与常规剂量相当的图像质量，且不同体型之间质量稳定；降低超高分辨率CT的图像噪声，优化质量。DLIR算法在图像质量提升、辐射剂量降低及病变检测性能方面有巨大潜力待开发。

随着计算机技术与医疗大数据的飞速发展，自然语言处理（NLP）技术能力不断提高，推动了其在医疗领域的广泛应用，尤其在放射影像学领域展现出更为深入的实践价值。近年来，基于NLP技术开发的大语言模型（LLMs）在影像诊断流程中表现出显著的应用潜力。这类模型通过高效提取关键信息，自动生成结构化诊断报告，从而大幅提升放射科医师的工作效率，也为实现患者的个体化诊疗、提升医疗质量、优化临床工作流程提供了新的技术支持。本文系统探讨了NLP技术在放射影像学中的多种应用场景及其所面临的挑战，涵盖影像报告生成、辅助临床决策、提升放射医师教学与培训管理能力等方面，并针对医学文本的复杂性、模型可解释性、放射学专用大语言模型以及相关伦理问题展开讨论，最后对该技术的发展方向进行了展望与总结。