在今年的RSNA年会上，人工智能的话题再次贯穿各场会议，并在展厅中展出。对成像模式的需求将继续推动人工智能在医学影像市场的应用，以支持更早、更准确的诊断。
数字化是产品开发方式的重大变革。工业 4.0 是第四次工业革命，旨在改进第三次计算机化工业革命带来的发展。这就需要开发能获取更多数据的智能设备，通过实时决策提高效率和生产力。
根据全球医疗市场研究公司 Maximize Market Research 的数据，医疗成像领域的人工智能市场规模正在经历惊人的增长，预计将从 2022 年的 11.2 亿美元增至 2029 年的 275.2 亿美元。虽然更多的转型变革即将到来，但人工智能目前正在以下领域产生明显的影响。
患者定位
基于人工智能的工具具有不同程度的自动化和智能化，正在增强包括患者定位在内的医学影像工作流程。在 RSNA 2023 大会上，放射技师可以使用人工智能驱动的系统来帮助更快、更精确地定位患者，并使整个过程保持一致，所有这些都有助于提高图像质量，减少重复拍摄。事实上，早在2016年，西门子医疗就对3D摄像头进行了研究。
三维相机（箭头）放置在 CT 检查床的上方（A）。使用三维深度相机获得的患者三维表面图像（B）。
在图像采集过程中，定位是一个非常耗时的步骤。即使是最熟练的放射技师也可能无法准确定位。而如果不能准确定位，可能会导致图像质量的下降或者患者辐射剂量的增加。在将患者准确定位后，在放射技师返回控制台的时间内，患者位置可能会出现移动。有时，位置的细微变化并没有被注意到，结果需要重新拍摄，这就给图像采集过程增加了更多时间。
如今，传感器、摄像头和人工智能软件都能协同工作，针对每个患者和检查自动调整设备，并在患者移动时提醒放射技师，以便采取纠正措施。这些智能功能使放射技师能够在成像前纠正定位错误。
欧放上发表的一项研究发现，用于人体轮廓检测的三维照相机可对患者进行精确定位，因此优于放射技师的手动定位，从而大大降低了与理想检查床高度的偏差。
一项针对儿科患者的研究发现，与放射技师的手动定位相比，用于人体轮廓检测的三维相机可实现更准确的儿科患者自动定位，从而大大降低了与理想检查床高度的总体偏差。
最近一项包括3118例患者的单中心研究发现，与手动定位相比，3D 摄像头明显提高了等中心定位精度。检查床的绝对高度也有明显差异。从剂量长度乘积（321.1 ± 266.6 mGy-cm；关闭摄像头：342.0 ± 280.7 mGy-cm；P = 0.033）、有效剂量（3.3 ± 2.7 mSv；关闭摄像头：3.5 ± 2.9；P = 0.053）和 CT 剂量指数（6.4 ± 4.3 mGy；关闭摄像头：6.8 ± 4.6 mGy；P = 0.011）来看，使用 3D摄像头的辐射量有所减少。使用3D 摄像头对结肠和红骨髓等辐射敏感器官的照射也较低。
3D摄像头打开和关闭时患者等中心偏差（以毫米为单位）与患者辐射量（CTDIvol，以mGy为单位）之间的关系。
因此，作者认为，3D 摄像头的引入改善了患者在扫描仪等中心的定位，从而降低了患者的剂量，同时也更好地平衡了剂量的减少。
在今年RSNA年会上，西门子展示了最新一代的双源CT SOMATOM Pro.Pulse。智能化辅助工具myExam Companion可以优化和简化CT扫描的操作流程，并提高图像质量。这项技术利用人工智能和机器学习算法，根据患者的个体解剖结构、临床任务和操作者的首选项，为CT扫描提供智能化的个性化设置。同时，FAST 3D摄像头自动执行精确且一致的患者定位。这两个功能都有助于减少临床医生花在日常任务流程上的时间。
图像质量
人工智能和其他算法也在不断提高图像质量，这反过来又有助于加强诊断和改进治疗计划。人工智能的一个显著成果是先进的可视化技术，也称为辅助视图（companion views），即针对特定的解释任务对图像进行处理。算法使用复杂的图像分析、多频增强（multifrequency enhancements）和灰度转换（grayscale transformations）来突出感兴趣的特征，如边缘和精细纹理。高级可视化的应用实例包括帮助定位导管和导管尖端，或增强气胸或塌陷肺的外观，帮助医生更清晰地看到感兴趣的区域。
新一代人工智能工具在检测胸片上的气腔疾病、气胸和胸腔积液方面显示出中等到较高的灵敏度。但会产生更多的假阳性结果，而且在目标结果较小和出现多个结果时，性能会下降。
源于人工智能的另一项图像处理技术进步有助于平衡图像中的噪声和剂量。这两个因素相互交织：图像越锐化，噪声就越多，这不是一个好结果。传统解决这一矛盾的方法是使用迭代重建，大部分情况下，迭代重建都可以得到更好的结果，但是重建速度慢是限制其应用的一个主要原因。在 RSNA 上，与会者将看到既能减少图像噪声，又能保留精细空间细节的人工智能技术。图像明显更清晰，在各种曝光下都能获得更好的对比噪声比。这一技术突破尤其有利于骨肌成像所需的高对比度细节。在新生儿和儿科成像中，以尽可能低的剂量进行成像至关重要，而降低辐射剂量而不影响图像质量的能力也具有相当大的优势。
Deep Resolve 是一项由人工智能驱动的图像重建技术，它利用卷积神经网络的优势加快磁共振扫描的速度，例如脑成像扫描的 70%，使扫描速度比以往任何时候都快。更快的扫描速度提高了工作流程效率，同时改善了患者体验。
改善患者体验
人工智能在患者定位方面的进步还将带来另一个重要成果：改善患者体验。接受医学影像检查的患者通常会感到担忧、疼痛或两者兼而有之。放射技师在设备定位上花费的时间减少后，就可以多花一些时间来安抚患者。此外，更快的工作流程还能让患者更有信心，相信自己是在一位称职的放射技师的照料下接受检查。
在 CT 血管造影术（CTA）中广泛使用的碘造影剂可能会对人体造成不良影响，而且使用这种造影剂既费时又费钱。近日，来自中国人民解放军总医院的学者在Radiology上发表文章，介绍了一种用于合成类似 CTA 图像的无造影剂深度学习成像模型，并评估了合成 CTA（Syn-CTA）图像的定量和定性图像质量以及诊断准确性。研究发现，与真实的 CTA 图像相比，基于 GAN 的模型能在不使用造影剂的情况下合成类似于颈部和腹部 CTA 的图像，在血管诊断方面大有可为。此类研究表明人工智能在改善患者体验方面具有巨大的潜力。
与真实的 CTA 图像相比，基于 GAN 的模型能在不使用造影剂的情况下合成类似于颈部和腹部 CTA 的图像。
人类体验的另一面是放射技师。RSNA 上展出的系统和技术将展示基于人工智能的工具如何让他们更有信心地捕捉最佳图像并推进患者护理。在医学成像过程中使用人工智能还能让放射技师腾出手来，专注于他们职业中更有意义的部分：与患者互动。
在经济影响、生产力、创新和对生活质量的整体影响方面，医疗保健以外行业的领导者经常将人工智能描绘成与工业革命一样重要。在医疗保健领域，人工智能有可能改善诊断和治疗流程。在医学影像提供商继续展望未来的同时，RSNA 参会者也可以接受现有的人工智能放射学解决方案，这些解决方案有助于改善临床效果，提高患者和放射技师的体验。
