医学影像技术体系 · 第 33 卷 / 共 44 卷

X 射线、设备评奖与影像文化

本卷导读

收录 X 射线发现、胶片摄影、CT 与 MRI 发展、RSNA 与 Minnies 设备评奖、人物纪念，以及影像医学未来的行业观察。

知识结构

  1. X 射线、胶片与早期影像
  2. CT、MRI 发展与设备
    • NAEOTOM Alpha颞骨超高分辨率成像
    • 无创冠脉粥样硬化斑块成像最新进展
    • 冲突中的Radiology
  3. 人物纪念与影像文化
    • 不必等候炬火，我们都将在时空的奇点重逢
    • Non Sire
    • 再见了，Willi Kalender教授
  4. 未来影像与临床趋势
    • 年的影像医学是什么样子
    • 胸部疾病影像学诊断：趋势与进展
  5. 行业会议与设备评奖

X 射线、胶片与早期影像

当谈到给X射线图像添加第三维度时，通常是来自摄影和电影领域的方法在过去125年中为我们的开发者提供了这种灵感。

1851年在伦敦举行的第一届世界博览会（当代石版画）

1851年，第一届世界博览会在伦敦举行，被称为“大博览会”。参观者被一种被称为“立体视觉（stereoscopy）”的新技术所吸引，借助这种技术，人们可以观看3D照片。现在，只要佩戴了立体镜，就可以舒适地坐在自己的沙发上远行，到1900年，立体视觉已经成为一种流行的大众媒介。难怪X射线的发现很快就被第一批立体X射线图像实验所取代。

根据Reiniger, Gebbert & Schall’s1905年产品目录。立体X射线成像的研究是由X射线可能具有欺骗性这一事实推动。因为正常的X射线图像在一个平面上描绘了身体特定区域的所有结构，从组织到骨骼再到器官。从构成X射线图像的模糊阴影的抽象集合中获得诊断信息需要相当多的经验。这类评估通常得益于第三维度：例如，当在3D中查看X射线图像时，各个结构彼此分离，肋骨在肺部前面变得清晰。这可以通过合并立体镜来实现，其中从稍微不同的视角一个接一个地拍摄身体相同部分的两个X射线图像。这个“立体对”中的两个图像然后通过特殊的观察技术呈现给眼睛，这样大脑就可以将它们作为一个单一的三维图像进行处理。

1922年，纽约塞尔温剧院成为第一家使用Teleview系统的电影院--这是劳伦斯·哈蒙德（Laurens Hammond）发明的，它是快门技术的先驱，现在用于3D电视。每个剧院座位的扶手上都安装了同步观看设备，让观众在观看M.A.R.S.的3D电影时有身临其境的观看体验。也许这项技术不仅可以观看单个图像，还可以观看整个3D X射线视频？

受快门系统的启发，Siemens-Reiniger-Veifa公司随后于1927年推出了一种立体X射线设备。该仪器装有两个球管，两个球管交替排列，从稍微不同的角度在荧光屏上产生运动图像。该设备的核心是一副“快门眼镜”，负责3D效果。这些与图像同步，并依次使每只眼睛变暗，以便观看者只能看到为正确的眼睛准备的图像。

胸腹腔的器官，显示肺脏，心脏和肝脏。患者右肺中的橙色小圆点表示患有肺部肿瘤，而小腹中的白色“气泡”则表示小肠。

2015年西门子医疗有限公司/埃尔兰根大学医院教授。医学博士Alexander Cavallaro，德国埃尔兰根

2014年，电脑动画《神奇的咕噜》推动了3D成像新纪元的发展。《指环王》三部曲中的这个角色给了西门子Healthiners的开发者一个想法：他们想知道，尽管在拍摄后被插入了场景，但咕噜怎么可能在人类演员旁边看起来如此真实。答案是一种被称为“基于图像的照明计算”的技术，由西门子Healthineers公司的克劳斯·恩格尔（Klaus Engel）领导的一个研究小组利用动画电影行业的这一技术开发了自己的电影渲染技术。该技术以医学成像数据为基础，利用模拟骨骼、器官、皮肤和血液以及模拟自然光的复杂算法生成人体内部的照片级真实感图像。

在林兹的Ars Electronica中心在Deep Space 8K上使用电影渲染图像进行解剖学讲座。Ars Electronica / Robert Bauernhansl。电影渲染正在彻底改变医学教育和病人沟通。这种穿越身体的虚拟旅程以一种既真实又易懂的方式将人体解剖学形象化。这也使得诊断某些疾病和计划手术变得更容易。渲染的图像是如此生动，可以为外科医生提供手术过程中患者体内特定解剖结构的高度详细图像。

电影渲染和Microsoft HoloLens 2

2020年，由于两种技术的结合：电影渲染和微软HoloLens 2，现实世界和虚拟现实正在相互融合。这使得医生可以将病人的心脏以三维投影的形式握在手中。

外科医生使用HoloLens通过大动脉的右旋置换术观察患者心脏的CR全息图。该图显示了一张图像，其中外科医生通过HoloLens的视图与他正在使用HoloLens的照片相结合。

回望1900年，在人们还在摆弄立体镜的时候，这可能会被认为是乌托邦式的想法。

尼古拉 · 特斯拉（Nikola Tesla）在电磁学研究领域有重要的地位。国际单位（SI）的磁通密度、Teslacon磁共振成像仪（Technicare）和Teslascan锰造影剂（GE Healthcare）都是以他的名字命名。如果没有他的其他发明，如交流电源、特斯拉-克诺特发电机和观察箱中的荧光灯，甚至无法想象当代放射科的工作日 常。但如果提到X射线的发现，只有少数放射科医生将其与特斯拉的名字联系起来。

尼古拉 · 特斯拉1856年7月10日出生在克罗地亚的斯米尔扬小村庄（当时属于奥地利帝国）。父母都是塞尔维亚人，他是五个孩子中的老四。

在克罗地亚读完高中后，他在奥地利的格拉茨继续接受工程教育，直到1878年。四年后，他搬到法国巴黎，开始为爱迪生大陆公司工作。1883年，特斯拉去了斯特拉斯堡，在那里他在工作之余成功地制造了第一台交流感应电动机。

1884年，特斯拉带着前雇主的推荐信乘船来到美国，到达纽约时他的口袋里只有4美分，还有他自己的几首诗。特斯拉被爱迪生录用出奇的顺利，原来推荐信中写的内容是：“知道两个伟大的人，一个是你，另一个就是这个年轻人”。

尼古拉 · 特斯拉（1856-1943）时年23岁。

爱迪生善于商业运作，有经营头脑，而特斯拉只顾埋头发明，从不考虑用自己的专利发财。他的勤奋和聪明才智给爱迪生留下了深刻印象。在给爱迪生“打工”期间，爱迪生承诺在特斯拉帮他改进发电机后会支付他5万美元。经过几个月的实验，特斯拉提出了一个解决方案，并要求得到这笔钱。爱迪生不同意，说："特斯拉，你不懂我们美国人的幽默（Tesla, you don’t understand our American humor）。" 受到欺骗的特斯拉愤而辞职。

1887年特斯拉成立了自己的公司（Tesla Electric Light Company），成为爱迪生公司的竞争对手。他在全世界申请了大约300项发明的专利，其中许多至今仍很有名。

特斯拉发明、预测或促进了数百种在我们日常生活中发挥重要作用的技术的发展，如遥控器、霓虹灯和荧光灯、无线传输、计算机、智能手机、激光束、机器人，当然还有交流电，这是我们今天电力系统的基础。

然而，特斯拉的 "影子图 "实验和他对X射线的生物效应的观察并不为人所知，甚至在放射科医生中也是如此。

尼古拉 · 特斯拉（1856-1943）时年36岁。（塞尔维亚贝尔格莱德特斯拉博物馆）

1899年12月，尼古拉 · 特斯拉在科罗拉多州科罗拉多斯普林斯的实验室里的宣传照。所示的放电装置长度为6.7米。

特斯拉报告说，由于他在实验室观察到照相板的神秘损坏，他在1894年开始了对X射线（当时仍不为人知，也未命名）的研究。除了使用克罗克斯管进行实验外，他还发明了自己的真空管，这是一种特殊的单极X射线灯泡。它由一个发射电子的单一电极组成。电子是由高压特斯拉线圈产生的电场峰值加速的。即使在那时，特斯拉也意识到，X射线的来源是灯泡内 "阴极流 "的第一次冲击部位，即双极管的阳极或他发明的单极管的玻璃壁。如今，这种形式的辐射被称为韧致辐射或制动辐射。

通过将第二个电极放置在虚线所示的位置，该真空管可适用于两个电极的使用。发表于《电气评论》，1896年4月1日。

在同一篇文章中，他说，阴极流是由非常小的粒子（即电子）组成。他认为产生的射线是微小的粒子的想法一点也没有错；许多年后，物理学家描述了电磁辐射量子的粒子特性，称为光子。为了避免他的X射线灯泡的玻璃壁被加热和熔化，特斯拉设计了一个冷却系统，该系统基于沿球管的冷空气喷发，以及今天被广泛接受的围绕球管的油浴。

19世纪90年代，马克 · 吐温与特斯拉建立了友谊。吐温经常去他的实验室看望他，1894年，特斯拉在那里拍摄了这位伟大的美国作家的照片，这是有史以来第一批由磷光照亮的照片之一。

特斯拉试图用真空管拍摄马克·吐温的照片，这似乎也是他在美国拍摄的第一张X射线照片。令人惊讶的是，所得到的图像没有显示吐温，而是显示了用于调整相机镜头的螺丝。

鞋中人脚的阴影图。特斯拉于1896年用他自己的真空管产生的X射线获得了这个图像，与Lenard的真空管相似，距离为8英尺。(塞尔维亚贝尔格莱德特斯拉博物馆)。

在伦琴于1895年11月8日发表了他的发现之后不久，特斯拉将他的图像发送给了威廉 · 康拉德 · 伦琴。尽管特斯拉将这一发现完全归功于伦琴，但伦琴对特斯拉的复杂图像表示祝贺，想知道他是如何取得如此令人印象深刻的结果的。特斯拉还描述了X射线的一些临床益处--例如，确定异物位置和检测肺部疾病--指出密度大的物体对射线更不透明。

伦琴于1901年7月20日给特斯拉的信。如果知道你是如何制作这种东西的就好了！怀着特别的敬意，我仍然是你忠实的，W.C.伦琴。" (塞尔维亚贝尔格莱德特斯拉博物馆)。特斯拉还进行了反射X射线的实验，使用不同的材料作为反射面，并描述了透射和反射射线的特征。他认为，反射X射线的实际目的是通过增加物体与胶片的距离和减少曝光时间来提高影象图的质量。他很失望地注意到透镜没有引起X射线的折射。然而，Max von Laue在1912年成功地用水晶透镜使X射线发生了偏差。特斯拉解释说，X射线特性的变化是由X射线管和发电机的变化引起的。他正确地认识到，只有在物体与胶片的距离很大，并且曝光时间很短的情况下才能产生强烈的阴影。他还意识到，壁厚的灯泡产生的射线具有更大的穿透力，这一点后来被解释为电子在较厚的屏障上的减速时间更长。

特斯拉也是最早评论使用单极X射线管工作的生物危害的人之一，他把对皮肤的有害影响归因于射线产生的臭氧和亚硝酸，而不是辐射的电离效应。他描述了急性皮肤变化，如发红、疼痛和肿胀，以及后期的后果，如脱发和新指甲的生长。他把使用X射线工作时眼睛的突然疼痛和刺激比作从黑暗的房间步入明亮的阳光下的经历。这种疼痛和刺激被认为是由于在黑暗中长期观察荧光屏而造成的眼睛疲劳的结果。

特斯拉了解辐射防护的三个主要因素：距离、时间和屏蔽。他发现，与X射线源的足够距离是一个有用的安全因素。然而，他没有根据平方反比定律来解释辐射有害影响的突然减弱，而是将其归因于较低的臭氧浓度。特斯拉建议在离球管很近的地方工作的人（例如，外科医生）将暴露时间缩短到最多2-3分钟。他还试图建造一个由连接到地面的铝线组成的保护罩。

特斯拉对发现X射线的贡献没有被更多人所知的主要原因是，他在纽约第五大道的实验室1895年3月13日发生火灾，他的数百个发明模型、计划、笔记、实验室数据、工具、照片全部被毁。纽约时报援引特斯拉的话："I am in too much grief to talk. What can I say?" 然而，有许多证词证实了他发明X射线的遗产。

特斯拉在纽约市生活了60年，他在那里的生活遗迹仍然存在。曼哈顿市中心第40街和第6大道的拐角处被指定为 "尼古拉 · 特斯拉角（Nikola Tesla Corner）"。因为它靠近特斯拉在西40街8号的实验室，1900年他在那里工作。

从1896年3月11日开始，特斯拉在纽约《电气评论》上发表了一系列关于X射线及其生物危害的文章。1897年，当他在纽约科学院发表演讲时，他在某种程度上证实了自己在X射线研究中的首要地位。他公开证实，自1894年以来，他一直在对这一课题进行独立研究，不幸的是，这一研究因他实验室的火灾而中断。

他还遗憾地表示，他太晚意识到，尽管有他的 "指导精神 "的提示，但他未能理解其神秘的迹象......

1945年1月5日，特斯拉居住地房间挂上了“请勿打扰”。1943年1月7日，终生未娶的特斯拉在纽约人旅馆3327房间因心脏衰竭安静地独自离世，享年86岁。

在得知特斯拉的死讯后，联邦调查局命令美国外国人财产办公室扣押特斯拉的所有物品，包括他的文件、文凭和其他荣誉，他的信件和实验室笔记。这些东西最终由特斯拉的侄子继承，后来被存放在贝尔格莱德的尼古拉 · 特斯拉博物馆。

有三位诺贝尔物理学奖获得者出席了特斯拉的葬礼，向 "为现代许多技术发展铺平道路的世界杰出知识分子之一 "表达了他们的敬意。

2003年，由于特斯拉对世界的电气化和未来的技术进步做出重要贡献，他的个人档案被列入世界记忆遗产名录。

半个多世纪前，在伦敦郊区一家小医院里，人类历史上第一张人脑CT图像揭开了遮盖人体内部的隐形面纱，为科学家提供了一扇前所未有的观察我们内脏的窗口。这幅充满颗粒的大脑黑白图像永远改变了医学和其他科学。（参加：回望：CT五十年（1968-2018））。如今，仅美国每年就要进行8000多万次扫描。X射线计算机断层扫描（CT），通常是最快解释病因的方式。CT扫描可以发现心脏病、肿瘤、血栓、骨折、内出血等。这项技术可以让外科医生了解他们在患者体内会遇到什么，并指导癌症和其他疾病的治疗。

CT 扫描仪（Polanki Children's Hospital in Gdansk）。CT扫描包括从多个角度进行的数千次X射线测量。它的工作原理如下：X射线源绕着身体旋转，通过骨骼、血液和组织发送一束辐射，而旋转探测器测量使其通过的光束。

人体内不同的物质吸收X射线的方式不同。例如，骨骼中的钙会强烈吸收X射线，而软组织吸收较少。当探测器收集的数据被计算机拼接在一起时，它可以根据X射线或多或少被吸收的位置，形成内部的横截面图。移动固定患者的检查床，使X射线束和探测器沿着身体移动，可以对器官和其他部位进行三维重建。

多年来，科学家们不断改进这项技术，使其更快、分辨率更高，并减少了患者接受的辐射剂量。人们很难不惊叹于扫描显示出的内心世界之美。

1971年，伦敦阿特金森-莫利医院的放射科医生詹姆斯·安布罗斯（James Ambrose）与该技术的发明者、工程师戈弗雷·豪斯菲尔德（Godfrey Hounsfield）合作，对一名患者进行了第一次CT扫描。豪斯菲尔德曾为EMI工作，该公司以披头士乐队的唱片公司而闻名（参见：理查德辍学、高弗雷参军、披头士狂热与CT的发明）。

第一张患者大脑CT图像（1971）。虽然这次扫描的图像只有80x80个像素，没有提供太多细节。但它展示了这项技术的潜力，揭示了女性患者大脑中的肿瘤。据说，后来为这位肿瘤患者做手术的外科医生感叹，“它看起来和照片一模一样！”。以前，如果医生想寻找脑瘤，他们会向脊柱内注入空气。然后他们旋转患者，让空气进入大脑周围区域，以增加标准X射线图像的对比度。通过CT扫描，这种痛苦很快就成为了过去式。

起初，CT扫描仪被设计成只对大脑成像。但研究人员很快将这项技术应用于在身体各个部位拍摄横断面图像。然后，在20世纪90年代初，德国科学家Willie A. Kalender发明了新的扫描仪，X射线源在人体周围以连续的螺旋（Spiral）扫描，而不是单独拍摄横截面。这一进步使整个器官，如肺，可以一次性成像。（更多内容参见：CT近三十年发展史（上）：螺旋CT、多层CT、宽锥CT与双源CT）。左侧为黑白色二维肺部重建，右侧是三维渲染。带有多排探测器的CT扫描仪可以同时对身体的多个横断面成像，从而提高图像分辨率。这些肺气肿的肺部图像是用128层CT扫描仪采集的，显示为二维图像（左）和彩色三维重建（右）。

带有多排探测器的CT扫描仪通过沿螺旋路径同时对身体的多个切片成像解决了这个问题。

CT扫描仪制造商不断增加探测器的数量，使扫描仪能够一次捕获更多的切片。当探测器在21世纪初增加到64个切片时，真正的“哇”发生了。扫描可以在高分辨率下快速完成，并且可以同时覆盖相当长的范围。如今，扫描仪更加复杂，最多可以达到320个切片。

隐藏在人体内的脆弱的复杂性--从错综复杂的血管网到优雅分支的肺部气道，再到精致而坚固的骨骼结构--有目共睹。

当麦科洛的岳父因为手腕疼痛住进急诊室时，已经痛苦了好几个小时，医生们试图找出问题所在。有医生问道，“我们不能把他送到CT室吗？”。多亏了一种叫做双能量CT（DECT）的技术，医生们才能够准确地找出问题所在。2006年随着第一代双源CT（SOMATOM Definition）推出的双能CT使用两束不同能量的X射线，而不是一束。通过这种方式拍摄图像，扫描仪可以准确地计算出其中包含哪些材料。不同的材料吸收X射线的量不同，但为了关注特定类型的材料，你需要知道随着X射线能量的变化，这种吸收是如何变化的。

例如，双能CT可以区分关节中导致关节炎的不同类型的晶体。尿酸盐晶体提示痛风，含有钙的晶体提示假性痛风。对麦科洛的岳父来说，扫描很快发现了他疼痛的原因：假性痛风（关于痛风的更多知识，参见：双能量痛风分析：基本原理，准确性与常见伪影）。通过这种方式，CT扫描可以揭示人体最基本的层面，即构成人体的物质。

关于双能量成像的更多知识，参见：CT能量成像五十年（1971-2021）：从双能量到多能量的探索。

手CT扫描显示手腕和手指关节周围有绿色的尿酸盐晶体。双能CT扫描显示痛风的迹象，即手部骨骼（白色和紫色）之间的关节中存在尿酸盐晶体（伪彩3D图中显示为绿色）。

CT扫描仪中的X射线探测器是这项技术的“秘密酱汁”，因为探测器是机器首先测量X射线的方式。大多数CT扫描仪间接测量辐射，首先将X射线转换为可见光，然后将该光转换为电信号。CT技术的新时代正在切断这些中间过程。2021年9月，美国食品和药物管理局批准了第一台光子计数CT扫描仪（参见：什么是光子计数CT？

X射线是一种高能光，和所有的光一样，它们由被称为光子的粒子组成。光子计数CT扫描仪测量单个X射线光子。这项技术还可以获得更清晰、更详细的图像，并提供光子能量的测量，与双能量CT一样，光子可以识别人体内的不同物质。

常规CT扫描和光子计数CT扫描中手腕骨折的图像。光子计数CT扫描因其高分辨率图像而备受推崇。在传统的腕部骨折CT扫描中（左，骨折用箭头表示），与腕部光子计数CT扫描相比，骨骼结构模糊（右）。

CT扫描可能是为医学而发明的，但这并没有阻止其他研究人员认识到这项技术的有用性。考古学、生物学和物理学等领域的科学家利用这项技术更好地了解一切，从木乃伊化遗骸（参见：CT解密埃及法老之死），到混凝土裂缝的形成，再到无耳巨蜥（Lanthanotus borneensis）等动物的解剖结构。

一只蜷缩的无耳巨蜥的CT扫描显示其骨架为白色，鳞片为绿色。通过CT扫描，这只无耳巨蜥的彩色三维重建显示了它的骨架（灰白色）和鳞片（绿色）。

那里的研究人员制作了超过20000个保存标本的CT数据集，这些标本代表了美国自然史收藏中的每个脊椎动物属，以揭示这些动物的内部解剖结构。

使用光子计数CT采集的狮子头部CT图像（瑞典林雪平大学医学图像科学与可视化中心）。尽管取得了所有这些进步，但一些研究人员警告说，医生对CT的喜爱已经走得太远，至少在美国是如此。

David Cutler绘图（2011）。不必要的CT扫描可能有缺点：它们可能会发现看似令人担忧但可能是良性的无关发现，这可能会导致昂贵的额外检查，并引发焦虑。但拒绝CT扫描也可能产生负面影响，可能会减慢那些及时治疗可以缓解的疾病的诊断速度。

使用光子计数CT采集的图像扫描显示肺部被新冠病毒破坏的区域为绿色，未受损区域为蓝色。在COVID-19患者中，CT扫描可以显示肺部受损区域，在胸部横断面的彩色图像中显示为绿色。

不可否认，在必要时，CT扫描是医疗工具中至关重要的救命工具。最近，COVID-19疾病的扫描已经成为焦点，揭示了COVID-19对肺部的损害。

在未来几十年里，这项技术似乎仍将是医学和科学的支柱，并将继续扫描到我们的心脏、肺、大脑和其他任何部位。

CT、MRI 发展与设备

1. NAEOTOM Alpha颞骨超高分辨率成像

颞骨的复杂解剖结构需要高保真的诊断影像，以区分病理异常和正常的显微解剖。鉴于这一要求，耳科医生依靠使用能量积分探测器（EID）构建的多排CT来获取高分辨率图像。尽管这项技术不断进步，但MDCT平台的基本限制因素限制了重要进展，包括辐射剂量减少和空间分辨率进一步提升。即使是最先进的MDCT成像，也常常缺乏足够的分辨率来识别伴有先天性传导性听力损失的细微听骨异常，区分“近开裂（near dehiscence）”和真正的上半规管开裂，或识别镫骨假体的轻度移位。临床医生往往被迫依赖不完善的成像数据来制定治疗计划。

为了确保耳科医生充分受益于CT成像的重要技术进步，来自梅奥诊所的学者最近发表了一个病例报告，旨在展示光子计数探测器CT（PCD-CT），一个突破性的新成像平台，克服了传统的多排螺旋CT的许多局限性。PCD-CT的早期研究表明，与多排螺旋CT上的颞骨扫描相比，PCD-CT具有更低的图像噪声，具有明显更薄切片（0.2 mm）的潜力，辐射剂量降低达85%。

2021年9月30日，FDA批准了第一款商用PCD-CT（NAETOM Alpha，Siemens Healthcare，Erlangen，Germany）。（参见：什么是光子计数CT？

本例患者为44岁女性，9年前进行左侧镫骨切开术后有双侧耳硬化症病史，1年前又进行了翻修，但听力没有明显改善。患者就诊时有颞骨外侧CT扫描。听力测试显示双侧传导性听力损失，左右耳纯音平均气骨间隙（PTA ABG）分别为20 dB HL和16 dB HL，镫骨反射缺失。之前的听力图显示，自首次手术以来，左耳的PTA ABG相对稳定，为20 dB HL。建议重复CT检查，以便对PCD-CT和外部成像进行比较。

  1. 5倍 0.75倍 1.0倍 1.5倍 2.0倍。NAEOTOM Alpha颞骨超高分辨率成像。在目前的实践中，几乎所有机构都使用EID-MDCT。这项技术通过闪烁体引导入射X射线，将这些X射线转换为可见光。可见光随后被光电二极管吸收并产生电信号。该信号与所有光子沉积的总能量成比例，而不是与单个光子直接相关，从而提供了一个不太具体的信号。

相比之下，PCD-CT技术使用半材料，它可以吸收入射的X射线，直接产生电子-空穴对。在偏置电压作用下，电子移动到阳极，产生与单个光子沉积的能量成比例的电信号。在此过程中，PCD-CT测量的是单个光子，而不是EID-MDCT测量的总能量。通过计算单个光子，PCD-CT可以通过对能量较低的光子进行重加权来优化图像对比噪声比，这些光子具有较高的对比度，在EID-MDCT中会被遮挡。

鉴于使用较小的探测器元件来探测单个光子信号，PCD-CT可以在不提高图像噪声的情况下提供更高分辨率的图像，即MDCT每提供一个切片PCD-CT就可以提供三个切片。

颞骨的PCD-CT扫描与通过Pöschl平面上的斜矢状重建获得的192层MDCT颞骨扫描的对应图像的代表性图像比较。A、来自PCD-CT的图像。B、来自MDCT的图像。最初的放射学检查显示上半规管裂开，但PCD-CT图像显示骨覆盖物保持不变（白色箭头）。

当比较PCD-CT和大多数CT扫描仪时，这种优势更加明显。与理论上可以提供相对薄切片的其他潜在高分辨率成像方式相比，PCD-CT提供了极好的原位图像，可以在更短的采集时间内获得更高软组织分辨率的图像。在辐射剂量降低的情况下，可以用更少的光子获得更好的图像质量，这种成像方式的好处非常巨大。

PCD-CT集成了一个独特的平台，与当前的MDCT系统不同。尽管如此，作者预计，尽管最初需要投资，但随着这项技术变得越来越普遍和容易获得，将被广泛采用。

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。

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。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。

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。并且，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。

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。

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。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。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。

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。

估计目前全球有近 2 亿人患有冠心病。尽管冠状动脉疾病的治疗取得了显著进展，但对不良冠状动脉事件的预测仍然具有挑战性。几十年来，心肌缺血的影像学一直被用于识别和管理冠心病患者。这种方法的基本原理是心肌缺血是造成患者症状的原因，而且多种成像模式的研究已证明心肌缺血与未来心肌梗死风险之间存在密切联系。然而，最近多项随机对照试验证实，尽管能非常有效地减少心肌缺血，但阻塞性冠状动脉病变支架植入并不能改善临床预后。这意味着缺血与后续心肌梗死之间的关联并非因果关系。

与此相反，无论缺血负担如何，冠状动脉疾病的严重程度都是几乎所有临床终点（包括全因死亡、心血管死亡和心肌梗死）的有力预测因素。解剖斑块评估优于功能性缺血检测表明，为了改善冠状动脉疾病的风险分层，应更加重视冠状动脉斑块，同时承认缺血检测对已确诊的冠状动脉疾病患者仍具有重要意义，尤其是在评估症状方面。在此基础上，最近的指南在评估慢性冠状动脉综合征时对解剖检测、功能性收缩储备试验和灌注成像给予了同等重视。

动脉粥样硬化的起因是胆固醇在动脉内膜沉积，最常发生在低剪切应力和内皮功能障碍的部位。随后的低密度脂蛋白胆固醇氧化会导致炎症反应，并引起 T 淋巴细胞和巨噬细胞的浸润。后者消耗氧化的低密度脂蛋白胆固醇，形成泡沫细胞。然而，在环境损伤和免疫失调的情况下，促炎症细胞表型就会形成，并促进持续的炎症、细胞死亡和富含大量脂质的坏死核心的形成。最终，这些过程会推动疾病进展，并导致斑块破裂。钙化是对严重坏死斑块炎症的一种愈合反应。微钙化形成的早期阶段是破裂和不稳定斑块的常见特征，在这一阶段，愈合不完全，炎症仍然活跃，薄纤维帽会因微小的钙化沉积而进一步减弱。与此相反，有人推测终末期的大钙化沉积会产生硬化的钙化动脉粥样硬化帽，从而使斑块得到控制并保持稳定。这些临床观察结果与有限元分析和临床前模型显示的结果一致，即大块钙化沉积物会降低相邻斑块的周向应力，而小沉积物会增加其边缘的应力。要了解钙化与斑块稳定性之间的关系，还需要做更多的工作。

动脉粥样硬化斑块的破裂或侵蚀会导致管腔血液暴露于坏死核心或内皮下基质中的高血栓形成内容物。某些斑块比其他斑块更容易破裂或侵蚀。典型的易损斑块具有薄纤维帽、富脂坏死核心、炎症和微钙化等特征。识别它们已成为心脏病学的主要研究目标之一。然而，心肌梗死并不是急性斑块破裂的必然结果。病理研究一致表明，大多数斑块破裂事件实际上是亚临床的，导致斑块生长和愈合，而不是症状和临床事件。仅斑块破裂不足以导致心肌梗死，急性临床冠状动脉事件的发生还取决于血液，尤其是斑块血栓形成的快速进展和闭塞程度。

根据基本病理和最新临床试验数据，有 4 个因素成为心肌梗死总体风险的关键因素。这些因素可以组合成风险的 4 个核心决定因素，包括斑块负荷、斑块类型、动脉粥样硬化斑块活性和斑块血栓形成。它建立在 Arbab-Zadeh 和 Fuster 提出的风险三角的基础上，但侧重于非侵入性成像，并在近期多项观察性研究的基础上纳入了对动脉粥样硬化斑块类型的评估。本章探讨如何使用现代非侵入性方法对上述每个因素进行评估，以及这将如何改善心肌梗死的预测。与 Arbab-Zadeh 和 Fuster 类似，我们也承认这些成像评估应结合其他因素（包括遗传、饮食、环境条件、药物和合并症）来考虑，作为对患者整体治疗方法的一部分。斑块负荷是证据基础最坚实、文献资料最丰富的评估方法，我们先从斑块负荷开始，然后再讨论该领域中逐渐出现的新因素。

根据潜在的病理学和最近的临床试验数据，有4个因素是导致心肌梗死总体风险的关键因素：1）斑块负担；2） 斑块类型；3） 动脉粥样硬化疾病活动性；（上）基于冠状动脉CTA的定量斑块分析的三维（3D）渲染，包括橙色低密度斑块和黄色钙化斑块。（左）冠状动脉CTA与正电子发射断层扫描配准的3D渲染图，用于评估18F-NaF摄取（蓝色和红色）。（右）冠状动脉左前降支的CTA，具有广泛的低密度斑块，并伴有低密度斑块为橙色、钙化斑块为黄色和血管管腔为蓝色的血管3D渲染。（下）配准的CTA和18F标记的菲班（fiban）类配体正电子发射断层扫描用于右冠状动脉内血栓成像。

冠状动脉粥样硬化的存在是 1 型心肌梗死的先决条件。冠状动脉CTA显示冠状动脉正常且无斑块的患者预后极佳，6 年后发生 1 型心肌梗死的风险基本为零。这是基于一个简单的逻辑，即斑块越多，斑块破裂的可能性就越大，此时血液中的血栓形成足以导致急性血管闭塞和心梗。无论采用哪种成像工具，这种强大的预后关系始终如一，斑块负荷评估始终优于其他标志物，包括心血管风险评分和是否存在阻塞性冠状动脉狭窄。这一点很重要，因为在斑块层面上，超过三分之二的心肌梗死是由先期血管造影显示为非阻塞性病变的病变破裂引起的--有创血管造影在近 30 年前就注意到了这一观察结果，最近冠状动脉 CTA 又证实了这一点。在患者层面上，PROMISE试验发现，大多数不良冠状动脉事件都发生在冠状动脉非阻塞性斑块患者身上。

（上）CT冠状动脉钙化的无创成像。（A）在EISNER前瞻性随机试验中，冠状动脉钙分为0、1至100、101至400和400以上的参与者中冠状动脉事件的累积发生率。（B）69岁男性病例，他在冠状动脉中有很高的疾病负担（冠状动脉钙评分为562 Agaston单位）。（中）冠状动脉斑块负荷的血管内评估。（C）根据斑块负荷进行二分的患者中主要不良心血管事件（MACE）的累积发生率。（D）72岁女性冠状动脉左前降支近端斑块负荷高的病例。（下）（E，F）冠状动脉CTA数据的定量斑块分析，用于测量整个冠状动脉总斑块负荷。

多年来，CT冠状动脉钙化评分一直被用作整体冠状动脉斑块负荷的替代指标。虽然 CT 冠状动脉钙成像在成本、实用简便性和低辐射负担方面具有重要优势，但它也有局限性（参见XI区：CT钙化积分：存在的问题与优化方法）。它无法告知管腔狭窄的严重程度，因此无法为疑似心绞痛患者提供诊断信息。它只能告知是否存在钙化冠状动脉斑块，而不能直接评估非钙化斑块（最有可能导致心血管事件的斑块类型）的存在和负担。最值得注意的是，他汀类药物（一种已知可降低心肌梗死风险的药物）会增加而非降低冠状动脉钙化评分。正如将要讨论的，这些问题促使人们更加关注采用更全面的方法来测量钙化、非钙化和总斑块负荷。现在，CT 造影和新型图像分析方法已经可以做到这一点，在一些初步研究中，这些方法提供的预后信息比单纯的冠状动脉钙化评分更为有力。

动脉粥样硬化斑块负担的间接和半定量评估。临床实践中用于对患者进行风险分层的大多数方法都可被视为斑块负荷的替代测量方法。这些方法包括单血管与多血管疾病的概念、节段受累评分、CAD-RADS 2.0（冠状动脉疾病报告和数据系统 2.0）评分、杜克预后指数和 SYNTAX（经皮冠状动脉介入治疗与 Taxus 和心脏手术之间的协同作用）评分系统。同样，也可以说缺血评估是冠状动脉粥样硬化斑块负荷的间接替代物，这也是它们与事件相关的机制。大多数阻塞性斑块都有很大的斑块负荷，因为它们必须克服正性格氏（Glagovian）重构才能导致冠状动脉管腔阻塞。

编译整理自：Kwiecinski J, Tzolos E, Williams MC, Dey D, Berman D, Slomka P, Newby DE, Dweck MR. Noninvasive Coronary Atherosclerotic Plaque Imaging. JACC Cardiovasc Imaging. 2023 Dec;

2. 无创冠脉粥样硬化斑块成像最新进展

由于了解到某些斑块表型与斑块破裂和心肌梗死的关系更为密切，因此人们对易损斑块的概念产生了浓厚的兴趣，并开发了新的方法来检测临床病情稳定患者的不良斑块特征。最初的研究围绕侵入性成像策略展开，主要是血管内超声 (IVUS) 和光学相干断层扫描 (OCT)，最终形成了 PROSPECT试验。在 697 名出现急性冠状动脉综合征并接受经皮冠状动脉介入治疗的患者中，参与者接受了 3 血管 IVUS 检查，以寻找形态不良的病变。尽管在 313 名患者中总共发现了 595 个薄帽纤维瘤，但在 3 年的随访中只观察到 6 例心肌梗死。这一结果表明，大多数表型不良的斑块（97%）会愈合或破裂，不会引发临床事件。在一项针对 1,778 名接受冠状动脉 CTA 检查的胸痛患者的研究中，虽然有 608 人具有不良（高危）斑块特征，但在 5 年的随访期间，这些患者中仅有 25 人发生了心肌梗死。

（A）冠状动脉CTA中的不良斑块特征：按节段视觉评估正性重构、低密度斑块（LAP）和餐巾环征。（B）基于CTA的定量斑块分析的三维呈现，包括橙色LAP、红色非钙化斑块和黄色钙化斑块。（C）根据在整个冠状血管系统中测量的定量评估的LAP负荷进行二分法的患者中致命性或非致命性心肌梗死（MI）的累积发生率。

这些发现促使研究人员和临床医生改变方法，从基于病变的策略转向患者层面的方法。在后者中，不良斑块的负担在整个冠状动脉血管中被量化为一个连续变量，可用于识别出现不稳定疾病模式的患者，这些患者因此出现不良预后的风险较高。Motoyama 等人证实，在冠状动脉 CTA 上出现不良斑块（作为坏死核心标志的正性重构或低衰减[<30 HU] 斑块）的患者，在 4 年的中期随访中发生急性冠状动脉综合征的风险会增加 12 倍。一项对 13,977 例患者进行的荟萃分析也报告了类似的结果，其中不良斑块特征再次识别出患者发生主要心血管不良事件的风险增加了 3 倍以上。但这些研究都没有检查不良斑块的识别在校正斑块负荷后是否仍具有预后意义。同样，存在不良斑块（正性重构或低密度斑块）的患者随后发生心肌梗死的风险增加了 3 倍。如果将冠状动脉钙化评分形式的斑块负荷纳入模型，则这种预测能力就会丧失。在使用这种二元方法时，不良斑块的存在似乎是动脉粥样硬化斑块负荷的另一种替代标志。

这些关于斑块类型和斑块负荷之间相互作用的观察结果，以及冠状动脉事件风险应在每个患者层面而非每个斑块层面来感知的原则，促成了不良斑块负荷的概念，从而利用了两种方法的潜在优势。现在，先进的冠状动脉 CTA 成像和图像分析技术已经可以做到这一点。其中包括钙化斑块（类似于CT平扫上的 CT 钙化评分），以及非钙化斑块类型，如纤维斑块、纤维脂肪斑块和作为坏死核心标志的低密度斑块（<30 HU）。这些定量斑块负荷测量结果看起来很可靠，具有良好的观察者变异性、扫描-扫描再现性以及与血管内超声评估的密切关联性，而且正如最近所显示的，利用深度学习可以在几秒钟内得出结果。它推进了易损斑块的概念，即不考虑患者是否存在单个高风险斑块，而是考虑整个冠状动脉血管中作为连续变量的不良或易损斑块的负担。Williams 等人的研究表明，低密度斑块负荷是预测稳定型胸痛患者预后的最有力指标：低密度斑块负荷大于 4% 的患者发生致命或非致命心肌梗死的可能性要高出 5 倍。尽管存在共线性和强相关性，但无论心血管风险评分、Agatston 冠状动脉钙化评分以及是否存在阻塞性冠状动脉疾病，这种关联性仍然存在。ICONIC试验也报告了类似的观察结果，该试验是一项巢式病例对照研究，旨在描述急性冠状动脉综合征的动脉粥样硬化前兆。基于大型观察性数据集的进一步研究应重点关注不良斑块负荷标记物是否会增加总斑块负荷评估所提供的风险分层功能。

斑块定量分析可用于跟踪动脉粥样硬化斑块组成随时间的变化，并从机理上揭示新型危险因素或疗法的影响。Kaiser 等人的研究表明，血浆脂蛋白（a）浓度升高（70 mg/dL）的患者冠状动脉低密度斑块负荷进展更快。这些发现从机理上解释了血浆脂蛋白（a）浓度高与心血管风险之间的关系。在最近的 EVAPORATE试验中，与服用安慰剂的患者相比，服用二十碳五烯酸乙酯（icosapent ethyl）的患者低密度斑块的进展较慢，但应注意的是，安慰剂似乎加速了这种形式斑块的进展。今后还需要进行研究，探讨是否可以利用定量斑块分析来帮助管理个体患者、调查对治疗的反应并在必要时进行个性化的加量或减量治疗。

对于已确诊的晚期冠状动脉疾病患者（即患有多支血管冠状动脉疾病或既往有经皮冠状动脉介入治疗、冠状动脉旁路移植术或心肌梗死病史的患者），斑块负荷和斑块类型的评估似乎作用不大，这主要是因为这些患者中的大多数已具有较高的斑块负荷和不良斑块特征。相反，疾病活动性的概念可能更有价值，可以将患者区分为处于活动性不稳定疾病状态的患者和处于慢性静止和真正稳定动脉粥样硬化状态的患者。

（上）（A）68Ga-DOTATE和（B）18F-脱氧葡萄糖的冠状动脉PET炎症成像。（下）（C）18F氟化钠冠状动脉PET成像，用于对已确诊冠状动脉疾病患者的冠状动脉微钙化活性（CMA）和风险分层进行成像。

斑块活性对预后的重要性首次在接受连续 CT 成像检查以评估疾病进展的患者中得到强调。在对 449 例接受重复冠状动脉 CTA 检查的患者进行的分析中，56 例斑块进展的患者中发生了 8 例（14.3%）事件，而在 367 例斑块未进展的受试者中仅发生了 1 例（0.3%）事件。PET可提供有关生物过程活性的信息，但前提是要有针对性的放射性示踪剂。这些示踪剂注入人体后，会在发生相关疾病过程的部位聚集。PET 扫描仪的进步现在可以进行高级运动校正并与冠状动脉 CTA 融合，从而将疾病活动映射到冠状动脉，并提供 CT 所提供的补充信息。虽然目前已对冠状动脉中几种不同 PET 示踪剂的活性进行了研究，但文献中最先进的是 18F 氟化钠（18F-NaF），它也是唯一能描绘动脉粥样硬化斑块活性并提供预后信息的冠状动脉 PET 示踪剂。它已被应用于其他多种心血管疾病，包括主动脉瓣狭窄、人工瓣膜变性、腹主动脉瘤疾病、外周血管疾病和勃起功能障碍，可持续预测疾病进展和临床事件。在冠状动脉中，18F-NaF 摄取可定位到单个冠状动脉病变，识别 IVUS、OCT 和 CT 上具有多种不良特征的斑块以及具有不利风险特征的患者。在一项对急性心肌梗死后不久成像的 40 名患者的研究中，18F-NaF 摄取始终定位在急性心肌梗死的犯罪区域。虽然具有科学意义，但与回顾性识别犯罪斑块相比，前瞻性预测心肌梗死具有更大的临床价值。在一项由两个中心对近 300 名晚期冠状动脉疾病患者进行的多模态成像研究中，使用冠状动脉微钙化活性的综合测量方法测量了整个冠状动脉血管的冠状动脉18F-NaF 摄取量。冠状动脉18F-NaF 活性成为心肌梗死最有力的独立预测指标，超过了所有其他已确定的预测指标，包括合并症负担、心血管风险评分、冠状动脉钙化评分以及阻塞性冠状动脉疾病的存在、严重程度和范围。重要的是，冠状动脉 18F-NaF 活性高的患者发生心肌梗死的风险是普通患者的 8 倍，而没有冠状动脉 18F-NaF 活性的患者尽管冠状动脉粥样硬化已到晚期，却没有发生心肌梗死。前一种患者可能需要接受强化治疗，如 PCSK9（9 型螺旋体蛋白转换酶抑制剂）疗法或抗炎药物，而后一种患者则可以避免此类治疗。

最近，PREFFIR试验进一步验证了用18F-NaF PET 进行斑块活动成像的有效性。在这项前瞻性多中心国际纵向队列试验中，704 名患有多支冠状动脉疾病和近期发生过心肌梗死的患者接受了18F-NaF PET 检查，并接受了中位 4 年的随访。虽然冠状动脉斑块活性的增加对计划外冠状动脉血运重建没有明显影响，但它与全因死亡、心源性死亡或非致死性心肌梗死发生率的增加有关，这强调了冠状动脉粥样硬化斑块生物学特性和活性在自发性动脉粥样硬化血栓事件中的重要作用。由于所有研究参与者在接受冠状动脉 CTA 检查的同时还接受了 18F-NaF PET 检查，因此在不久的将来，PREFFIR 试验数据集将能深入分析斑块类型、负荷和活性之间的相互作用。

冠状动脉 CTA 测量的冠状动脉周围脂肪组织 (PCAT) 密度是疾病活动性和斑块炎症替代指标的另一种潜在评估方法。这项新技术可评估紧邻冠状动脉的脂肪组织的 CT 衰减，从而独立预测不良心脏事件。有趣的是，PCAT 的衰减与18F-NaF 摄取有关，支持这两种疾病活动性评估之间的联系，更广泛地说，支持血管炎症与钙化活动性之间的联系。在一项观察性研究中，PCAT 的增加与冠状动脉粥样硬化斑块脂质成分的进展有关，表明它可预测疾病的进展。在18F-NaF 摄取和斑块定量分析的基础上测量 PCAT 的附加值还有待研究。有必要进行纵向研究，以确定斑块活性随时间的变化特征。

斑块的最后一个关键评估指标是斑块血栓形成。如前所述，亚临床斑块破裂很常见。亚临床斑块血栓的检测有望成为有效的风险预测指标，因为它是最接近急性冠状动脉综合征的病理疾病状态。斑块血栓的检测有望在急性心肌梗死后识别犯罪斑块，并区分 1 型和 2 型心肌梗死。OCT 和 IVUS 等侵入性评估可以高分辨率检测斑块血栓形成。然而，这些方法仅限于接受侵入性血管造影术的患者，而且不能用于管腔严重阻塞性狭窄的血管。

现在有几种新型成像技术可以对冠状动脉斑块血栓进行无创评估，并可应用于更广泛的冠状动脉疾病患者中。T1 加权心血管磁共振可评估高铁血红蛋白，高铁血红蛋白是急性血栓和出血的一种成分，在 T1 加权成像中信号非常高。在一项针对 568 名稳定期患者的研究中，Noguchi 等人发现 159 名受试者在 T1 加权成像上有高强度冠状动脉斑块。在随访期间，这 159 名患者中有 26% 发生了不良冠状动脉事件，而在未出现此类病变的 409 名患者中，只有 3% 发生了不良冠状动脉事件。

斑块血栓形成的心血管磁共振成像。（A）LAD近端和（C）RCA中高强度斑块（黄色箭头）的代表性非光栅T1加权成像（T1WI），其中斑块与心肌信号强度比（PMR）分别为1.91和2.05。（B，D）这些高强度信号各自对应于CTA上的左冠状动脉斑块和右冠状动脉斑块（CPR图像上的黄色箭头）。

分子 PET 成像还能识别动脉和静脉系统中的血栓形成。活化血小板上的糖蛋白 IIb/IIIa 受体是血栓形成的关键因素，也是分子成像的诱人靶点。18F 标记的纤维素类配体（18F-GP1）是一种新型放射性示踪剂，能与活化血小板上的糖蛋白 IIb/IIIa 受体高亲和力结合。

正电子发射断层扫描对斑块血栓形成的成像。心肌梗死的分型。有创冠状动脉造影显示（A）左回旋支近端闭塞（箭头），（B）再通后持续充盈缺损（箭头）。（C）18F标记的fiban类配体（18F-GP1）正电子发射断层扫描/计算机断层扫描（PET/CT）显示摄取与支架冠状动脉段共定位，表明支架后面有血栓（箭头）。（D） 18F-GP1 PET/CT扫描显示摄取与填充缺陷共定位，表明左心耳中有额外的血栓（箭头）。（E，F）PET/CT上左心室侧壁18F-GP1的强烈摄取描绘了梗死心肌附近的血栓形成（箭头）。

一项涉及 51 名近期心肌梗死患者的前瞻性研究的早期结果显示，18F-GP1 与活化血小板和体内血栓结合的特异性很高。18F-GP1 还能识别冠状动脉以外的活化血小板，有助于识别左心房和左心室的血栓形成，可能有助于区分 1 型和 2 型心肌梗死。未来需要进行 18F-GP1 研究，以探讨临床病情稳定患者亚临床斑块破裂的发生率，并确定其预后意义。

斑块成像技术的飞速发展为描述斑块类型、负荷、活性和血栓形成提供了宝贵的方法。然而，这也导致了一些争议，也许这反映了这一领域的新生性质。斑块负荷的测量方法是否可以优化用于临床以及如何优化，这些方法是否可以改善临床效果，这些都还有待确定。对于哪种斑块类型能提供最有用的临床信息也存在争议。一些专家认为，评估斑块的总负荷或非钙化斑块负荷就足够了，而另一些专家则认为，对低密度斑块进行量化将提供最有用的信息。需要更多的数据，但随着将 CT 数据与结果相结合的大型纵向数据集（ORFAN；NCT05169333）的开发，以及人工智能支持的斑块快速定量分析工具的广泛应用，这些数据应该会陆续出现。

现代无创成像技术现在可以检测斑块的负担、类型、活动性和血栓形成。虽然还需要进一步的优化和观察研究，但下一个关键步骤是研究如何在临床实践中最好地利用这些信息。许多医生已经将影像中发现的冠状动脉斑块的存在作为一种触发因素来开具他汀类药物和阿司匹林等预防性疗法的处方，国际指南建议使用 CT 钙化评分来帮助指导患者进行此类治疗。斑块负荷和类型已被纳入更新的 CAD-RADS 2.0 共识声明中。尽管如此，仍需进一步研究如何评估斑块负荷、斑块类型、疾病活动性和斑块血栓形成来改善临床决策。

潜在的策略包括使用斑块负担评估而非心血管风险评分来指导无症状非梗阻性疾病患者的预防性治疗。例如，使用 CT 钙化评分或对比 CT 上同时存在非阻塞性斑块和阻塞性斑块，SCOT-HEART 2 随机对照试验正在对有心血管事件风险的无症状患者进行研究。其他潜在的策略包括：对斑块类型进行连续成像，以监测对新型疗法的治疗反应；对晚期动脉粥样硬化患者的疾病活动进行评估，以区分耗竭型（burnt-out）动脉粥样硬化和活动型动脉粥样硬化，从而做出针对患者的决策；对急性冠状动脉综合征患者进行斑块血栓形成成像，以区分 1 型和 2 型心肌梗死。将斑块负荷、类型、活动性和血栓形成纳入临床实践最终需要进行随机对照试验，研究使用斑块成像评估进行针对性治疗是否能改善患者预后，以及是否具有成本效益。在个性化医疗的新时代，利用先进的斑块成像技术将不断增加的动脉粥样硬化治疗药物在正确的时间提供给正确的患者，这似乎终于成为了一个现实的前景。

改善患者的症状、功能和生活质量仍然是冠状动脉疾病评估中更好地进行风险分层的一个关键目标。为此，基于缺血的成像评估仍然非常重要，既适用于阻塞性和非阻塞性冠状动脉粥样斑块患者，也适用于指导症状顽固的患者的血管再通策略。我们应该认识到冠状动脉疾病患者的表现正在发生变化，1 型心肌梗死的患者越来越少，弥漫性动脉粥样硬化和冠状动脉微血管功能障碍的患者越来越多。利用正电子发射计算机断层显像和心血管磁共振等技术对心肌血流和血流储备进行先进的定量评估，以及采用包括CT血流储备分数和血运重建计划图（revascularization planners）在内的新型 CT 方法，仍具有重要作用。最终，这些技术可提供与冠状动脉斑块成像互补但截然不同的信息：解剖评估可用于心肌梗死风险，缺血评估可用于症状调查。

人们对人工智能（AI）的兴趣达到了前所未有的高度。整个医疗保健领域的领导者都面临着在何处、何时、如何部署AI，以及如何了解其风险、问题和可能性等问题。

各种AI的能力和风险明显不同。正如在制定治疗方案时将细菌和病毒感染归为一类可能会导致错误的临床结果一样，将不同种类的AI归为一类可能会将医疗决策者引向错误的道路。来自美国的学者将AI分成了简单实用的AI三个时代的框架，可以帮助决策者在技术变革的今天了解不同类型人工智能的优势、劣势和挑战。

人工智能 1.0：符号 AI 和概率模型。在人工智能发展的最初 50 多年里，大多数人工智能都专注于将人类知识编码成机器规则。可以将其理解为许许多多的 "如果-那么 "规则或决策树。这种符号人工智能取得了一些非凡的成就，例如 IBM 的 "深蓝"（Deep Blue）在 1997 年击败了国际象棋世界冠军。在医疗保健领域，INTERNIST-I 等工具旨在表达有关疾病的专家知识，以帮助处理具有挑战性的病例。

符号人工智能也有一些关键的局限性，特别是在构建过程中始终存在人为逻辑错误的风险，而且由于其知识库完全依赖于创建者，其规则中也存在偏见。但最重要的问题可能是，从经验上看，符号人工智能存在基本能力限制，在面对真实世界的情况时显得脆弱不堪。作为回应，研究开始更多地关注概率建模，如传统的回归和贝叶斯网络，这使得专家知识和经验数据都能为推理系统做出贡献。这些模型能更优雅地处理现实世界中的情况，并在医疗保健领域找到了一些用武之地，但在实践中难以扩展，管理图像、自由文本和其他复杂临床数据的能力有限。

研究更多数据驱动方法的工作，即广义上的机器学习，植根于这样一种理念：智能的关键是从错误中学习。20 世纪 80 年代和 90 年代的错误反向传播等发现奠定了基础，但真正的革命发生在 2010 年代初。随着数据集的增长和计算机速度的加快，使用多层神经网络的深度学习开始发挥其作用，人工智能 2.0 时代开始了。卷积神经网络架构赋予了计算机 "看 "的能力，它们获得了对照片中的图像进行分类（如 "猫 "与 "狗"）的能力。如今，在手机上搜索成千上万张照片是一件轻而易举的事，无需手动为每张照片标注内容。个人甚至可以识别照片中自己一无所知的事物，如特定类型的植物。语音识别已司空见惯。人们可以在 100 多种语言中进行翻译，无论是通过打字还是将相机对准使用他们不懂的语言书写的单词。

深度学习还让医疗保健领域的新事物变得实用。本世纪《美国医学会杂志》（JAMA）上最具影响力的一篇文章显示，眼科医生可以从视网膜照片中识别出糖尿病视网膜病变。研究人员还在乳腺癌和肺癌筛查、病理学、皮肤病鉴定以及从电子健康记录数据中进行预测等诸多领域取得了突破性进展。

深度学习算法从标有基本事实（"这张图片是一只猫"）的示例中学习。然后，它们学习模式，而不是通过编程来确定模式是什么。在这个时代，对计算机进行编程学习比用专家提供的规则硬编码要容易得多，至少在许多任务中是如此。这些模型具有非凡的能力，但也存在重大风险。当实时数据与训练数据不同时，模型可能会失效。例如，如果一个模型只接受了 "猫与狗 "的训练，但给它一张飞机的图片，它就不会给出好的结果。这种分布失衡问题的更微妙版本是医疗保健领域的一个重要安全问题。还可能出现复杂的偏差，涉及基础数据的包容性、基于种族的不平等和不公平的诊断和治疗选择、算法设计选择以及其他问题。

人工智能 3.0：基础模型和生成式人工智能。人工智能 2.0 有一个关键问题，与有点儿夸张的灾难性遗忘有关：在处理长文本序列时，它很难记住序列中较早的内容。2017 年出现的转换器架构帮助解决了这一问题，让模型在处理长段落时能够集中注意力。随后几年，转换器与更多计算和更多数据相结合，创建了基础模型和大型语言模型。2022 年和 2023 年，进展速度急剧加快，标志着第三个时代的到来。

人工智能 2.0 区别于人工智能 3.0 的两个关键要素。人工智能 2.0 是针对特定任务的。它一次只做一件事。如果个人希望它做其他事情，就需要一个新的数据集和训练一个新的模型。人工智能 2.0 在很大程度上是对事物进行预测或分类。它生成新单词、图像或其他内容的能力有限。

人工智能 3.0 则从根本上不同。它可以完成许多不同的任务，而无需重新训练。例如，一个简单的文本指令就能改变模型的行为。像 "为专家顾问写这张便条 "和 "为病人的母亲写这张便条 "这样的提示会产生明显不同的内容。这些模型的能力也有显著提高：解释真正复杂的问题；接受并生成文本、图像和声音；创建与人写的几乎无异的回复；这些模型有多种类型，将重点讨论一个重要的类别--大型语言模型。

这些模型已经影响到我们的日常生活，如写作助手、图像生成器、软件编码助手和聊天机器人。针对健康领域的大型语言模型现在也已经存在。例如，Med-PaLM 和 Med-PaLM 2 是谷歌开发的经过医学调整的基础模型，在医学执照考试类型的问题上达到了专家级水平。当医生将 Med-PaLM 2 的答案与不了解其来源的医生所写的答案进行比较时，在 9 个评估维度中的 8 个维度上，医生都强烈倾向于该模型的答案。想象一下，有一大堆文档。一个人按顺序向模型展示每个单词，但不让它看到下一个单词。相反，要求模型一次又一次地预测单词。每当模型预测错误一次，它就会改变其内部关于单词如何组合在一起的表征。最终，它就会建立一个关于这些单词（以及概念）如何组合在一起的表征。之后，当该模型被问到一个问题时，它就会通过预测答案中可能出现的下一个单词来做出反应。

同样，它们可能会返回听起来合理但不正确的期刊引文。同样的原因：他们不是在PubMed上查资料，而是在预测似是而非的下一个词。这些 "幻觉 "是人工智能 3.0 中的一个新风险类别。在这一领域，基础和检索增强生成等方面的技术进步正在积极提高性能，这些模型使用计算器等工具或实时访问网络的能力也提高了结果。我们预计，人工智能 3.0 将作为增强工具投入使用，最初将帮助解决医疗保健方面的问题，如文档记录负担。随着这些工具随后开始支持临床实践，临床医生也将参与其中，因此需要一个深思熟虑的监管框架，以帮助确保患者安全地从这项技术中获益。

基础模型和生成型人工智能代表了人工智能能力的一场重大革命，为改善护理提供了巨大潜力。如今，医疗保健领导者正在就人工智能做出决定。虽然任何启发式方法都会省略细节并失去细微差别，但人工智能1.0、2.0和3.0的框架可能对决策者有帮助，因为每个时代都有根本不同的能力和风险。

编译整理自：Howell MD, Corrado GS, DeSalvo KB. Three Epochs of Artificial Intelligence in Health Care. JAMA. 2024 Jan 16;

冲突中的Radiology

在冲突地区，医疗系统不仅需要应对战伤和疾病的直接后果，还需处理常规的传染病、非传染病和创伤。这些地区往往面临严重的放射学服务短缺问题，这进一步加剧了已经存在的医疗压力。

放射学涵盖了多种成像技术，包括X射线、计算机断层扫描（CT）、磁共振成像（MRI）和核医学成像技术。这些技术对于准确诊断和治疗各种疾病和伤害至关重要，确保了医疗保健的安全和效率。然而，在冲突地区，放射学服务的提供受到诸多挑战的限制。

根据《柳叶刀》诊断委员会的研究，全球有47%的人口几乎无法获得放射诊断服务，这一现象在低收入和中等收入国家尤为严重。只有19%的人能够在初级保健中进行简单的诊断检查，60-70%的人能够在二级保健中获得这些服务。改进放射学服务的可及性每年可以挽救110万条生命。然而，由于放射科在决策者中知名度较低，导致投资不足，物理基础设施的不足也是一个主要障碍。

冲突地区通常存在放射学医师和设备的短缺，而战斗活动则进一步加剧了这一短缺。1982年的黎巴嫩战争中，80%的伤者在治疗时被直接送往放射科，CT扫描成为战争中最重要的诊断成像技术之一。然而，暴力事件对医疗工作者的攻击继续削弱放射学服务的提供。也门内战始于2014年，但在2012年对20家政府综合医院的调查中，发现其中9家根本没有放射科医生。在伊拉克战争前的2003年，巴格达教学医院有6名放射科医生，但在2011年战争结束后只剩下2名。这种情况在2008年的未公开数据显示，巴格达的125名放射科医生中，2%被杀害，5%受到威胁，25%移民，30%逃离首都到伊拉克的安全地区，10%改行。

伊拉克的研究生培训在1990年代由于国家卫生服务资金削减90%而被忽视，2005年伊拉克医学专业委员会停止了唯一的研究生放射学教学项目。2006年，伊拉克60%的医生离开了国家，只有17%表示愿意返回。2017年，伊拉克卫生部发现有76名放射科医生服务于3800万人口。虽然2013年启动了一个新的认证培训项目，截至2019年有6名医生顺利完成，但放射学专业人员的长期短缺仍将持续。

除了对医生和医院的直接攻击，制裁和医疗保健资源的急剧减少也为放射学设备的采购带来了挑战。1991年海湾战争前，伊拉克的医疗设备进口为5亿美元，但在1991年降至5000万美元。由于电力供应不稳定，伊拉克和加沙地带的医院基础设施，包括放射学设备，受到严重影响。在乌克兰，俄乌冲突后的2022年2月24日，许多放射科医生留在国内，处理额外的创伤病例，但服务仍会因冲突继续侵蚀资源而受到显著干扰。

军事医疗机构提供的放射学服务通常资源充足，能够适应并保护放射学基础设施。2002年在阿富汗，一个缩小版的军事战斗支援医院配备了18张医疗/外科床、10个重症监护室和2个手术室，每月进行500次诊断成像。军事医院配备了多台CT扫描仪和高效空气过滤器，以应对恶劣的环境条件，并确保设备正常运行。1992年伊拉克的前沿作战基地展示了便携式牙科X光设备的价值，该设备被部署在初级帐篷前方30码处，允许在初级帐篷内进行肢体X光检查，并优先转移需要重大和腹部检查的患者。

解决冲突地区放射学服务的首要挑战是缺乏放射科医生和高质量设备，保持现有的放射科医生是确保当地居民获得护理的关键。放射学设备短缺通常是由于成本和损坏问题，此外国际制裁导致对比剂的供应受限也对诊断研究造成了困难。军事医院在冲突环境中应确保CT扫描仪适应环境条件，并配备维护团队以确保图像质量。随着儿童患者占比增加，军事放射科医生应接受儿童放射学培训。

远程放射学在冲突地区具有重要作用，依赖于卫星链接的技术需要改进，以提高图像传输速度。人工智能（AI）技术可能在未来进一步改善放射学服务，但由于冲突地区的基础设施挑战，其实施可能会遇到阻碍。

放射学在冲突地区的医疗保健中至关重要，不仅对于评估战伤至关重要，还对更广泛的疾病诊断和治疗至关重要。放射科医生是提供放射学服务的核心，但冲突地区由于医师短缺而严重缺乏服务。军事医院和项目可能为平民提供一些照护，但这些医院在处理儿童患者方面可能并未很好地适应。放射学面临的挑战还包括设备的敏感性、运输问题和国际制裁下造影剂的限制。通过总结放射科医生在冲突地区的经验，可以提供应对这些挑战的见解和解决方案。然而，这些信息分散在多个来源和语言中，需要全球放射学和卫生系统研究者的共同努力来记录和创新，以应对未来的冲突情景。

人物纪念与影像文化

1. 不必等候炬火，我们都将在时空的奇点重逢

它既是粒子也是电磁波，它既服从于几何光学（Geometric。Optics）[1]，但是当它具备足够大的能量，便会和物质发生多种效应，服从量子光学（Quantum Optics）[2]。

I leave no trace of wings in the air,。but I am glad I have had my flight.。是的，我们找不到鸟飞过的痕迹，需要找到鸟飞过的痕迹。

这让我想起另一位伟大的控制论先驱-维克多·米亥益洛维奇·格鲁式科夫（Victor Glushkov）[6]。临终时，格鲁式科夫安慰他的妻子：「别担心，我们地球的光会到达遥远的星系，在每个太阳系中，我们都重生，所以会永远在一起。这句话不仅将这位前苏联的OGAS[8]之父的浪漫主义发挥到极致，也说明了光记录了其经过路径上的一切信息。只要有合适的工具，可以在光的接收端解析出这些信息。这也引出了今天最重要的主题：路径追踪算法（path。tracing）[9]。

1 光的漫反射（Diffuse reflection）[10]。江月何年初照人？[11]它以东方浪漫的口吻讲述了月光见证了人间岁月。我更喜欢的另一句是：醉后不知天在水，满船清梦压星河[12]。他借水天相接的月光讲述了人眼感知世界的两个维度，深度知觉（depth perception[13]）和形状知觉（shape perception[14]）。这非常重要，无论对于多复杂的数据，都需要转化为这两个维度才能被人眼感知。这也是几何光学之中漫反射的直接结果，在用算法重建可视化数据的时候，需要考虑到表面漫反射的规律。

古人看到的月光十分柔弱。现在已知这是自然光谱（Spectrum）[15]中的可见光，它只是光谱中很窄的一段，很薄的遮盖就将它阻挡，在光谱的最右侧，宇宙间狂暴的伽玛射线拥有巨大的能量，能够破坏物质的内部结构。在可见光和伽玛射线之间还有紫外线和X射线。幸运的是这些都被我们地球的磁场和大气层抵挡。

直到1895年，人类首次获得了透视物体的能力。

2 X射线发现与CT的历史（量子光学Quantum Optics）

1895年Röntgen[16]发现了自然光谱中的X射线，人类首次获得了穿透物体的视角（参见：那束光，照亮未来丨纪念伦琴发现X射线127周年）。

1964年Cormack完成了反投影算法[17]。

1971年Hounsfield[18]制造人类首台人体CT工程机（参见：回望：CT五十年（1968-2018））。

得益于Cormack和Hounsfield的开创性工作，人类首次获得了物质内部的视角，他们为我们构建了一个基于射线衰减的多层矩阵。但是受限于有限的球管焦点和探测器单元尺寸（finite focal spot size and。detector pixel size[19]，这限制了每一个像素被射线照亮的角度）和对于量子光学（这决定了每一个像素将被哪一种效应主导）的认识水平，当时的人们不能更近一步，开发能全局照亮每一个像素的真实成像算法，尽管难度重重，依旧阻挡不了探索未知的努力。

1973年梅奥诊所利用CT工程样机完成人类首个心电门控心脏三维扫描[20]。

1976年Alvarez[21]完成选择性能量CT重建算法。

Heinz 首次提出动态CT扫描概念[22]。

Axel 首次提出序列CT动态扫描的分析算法：去卷积算法[23]。

1981年Stonestrom,。Macovski[24]量化确定了不同能级的X射线与物质发生的效应[25]。

Adrian Dixon首次应用人体灌注扫描[26]。

3 解开那束光的秘密A-Ray Model迭代算法。时至今日，我们也无法说从CT成像的必然王国走向了自由王国[27]。

自1895年至1991年，人类已经完成了关于CT的大部分理论探索，等待的只是工程和计算机硬件以及算法的发展。但是在这个新的领域失去了最重要的深度感知。放射工作者最熟悉的视角依旧是-黑白。

在黑白视角下，CT图像的分辨率和噪声是一对主要矛盾。Cormack完成了反投影算法由于无法生成锐利的图像并没有成为如今最常见的FBP算法，改进过的FBP算法拥有更快的重建速度和锐利的图像，但是巨大的噪声使得扫描的辐射剂量成为一种桎梏。人们开始思考如何降低CT图像的噪声，迭代算法[28]随即出现。

HealthCare的Veo迭代算法是比较特殊的，因为其出发点在于将FBP的简化线性积分（line integral model (LIM)）反投影算法还原为（aera。integral model (AIM)）[29]。Veo认为焦点到探测器单元的光线是锥形的，而市面上其他厂家默认为这个传播是一条直线。显然这是更接近事实的，对AIM模型数据进行处理需要利用到OS-SART（Ordered-subset。simultaneous algebraic reconstruction techniques）算法[30]。该算法允许多个光源对一个像素进行照射，对其AIM积分计算无疑需要巨大的时间成本，但是收益也是显而易见的。多射线源的OS-SART重建（d）空间分辨率显著好于单射线源（c）和常规FBP重建算法（b），最接近理想模体（a）。

Model的迭代，提出了一种新的射线源模拟思路，在与其他迭代算法的对比中展现了一定的优势[31]。

虽然OS-SART算法允许一定限度的模拟多射线源照射像素，但是其依旧被CT的物理结构局限，多射线源的模拟是相对微观的，并不能实现像素的全局照射曝光。是否存在打破物理局限的可能性呢？

这让我想起多年前一个非常火热的概念-。Lytro光场相机[32]。它可以实现先拍照再对焦。其主要原理是通过更多的透镜单元记录下所有的光线（integral。photography[33]）而非光线衰减到平面上的点的信息，通俗的讲就是记录光线透射后的每一束光线。而现在的COMS感光元件只能记录最终衰减值信息。

诚然，当前的CT设备尚不能制造出这样的元器件用于探测器单元，也无必要，因为我们关注的并非图像的焦点，而是射线的路径。CT成像是否可以借鉴这一技术理念呢？

4 解开那束光的秘密B-Ray casting 光线播散算法[34]。作为三维成像设备，CT对比平面DR成像有着诸多优势，即使是最基础的现代螺旋CT都能轻松实现亚毫米的容积扫描，完成表面遮盖SSD，多平面重建MPR，容积重建VRT[35]等三维成像。其中实现容积重建的光线播散算法就提供了一个新的技术路径：通过在数据空间模拟光线来自由照亮数据空间中的像素，实现多维度的观察。现在光线播散算法已经被称为一种传统算法了，因为其只能模拟单路径的透射效应，距离真实的光线路径模拟差的很远。

plane，区别在于算法在data空间的运算和演绎。ray casting 的演绎过程如下：

Ray casting算法模拟的光线需要根据给定摄像机参数和各个像素位置设置好，也既是用户在界面上选定的观察视角和用于计算的容积数据界面或表面。然后，光线必须沿着射线步进，也就是需要实现一个循环。光学属性在循环内累加。

这是一种简单且快速的从图像空间获得三维视角的算法，现代计算机的多种硬件如CPU和GPU可以很好的加速这种重建。这本质上有三点不足：一是这是单射线路径，因此天然不具备GI（Global。Illumination[36]）；第二，这个算法旨在将HU值根据范围换算为RGB值和透明度的参数，本质是换算，并没有实际模拟点亮每一个像素；3这个算法无法显示出深度感知（depth。传统光线播散算法根据计算的RGBA数据进行密度分类，实质上就是计算出的透明度，用户很容易的就可以在软件界面上通过滑动条的调节来改变希望看到的密度三维图像。

传统光线播散算法中的密度是一个线性变量，可以通过一个三重积分描述，改变X，Y，Z变量的参数，可以模拟出不同的阴影效果，这可以实现一些不同环境下的呈现效果。如散射，发散，镜面等等。

传统光线播散算法可以呈现一定层次的三维图像，但是显然并没有点亮每一个像素的秘密。

5 全新的王国A-实时蒙特卡洛积分路径追踪算法。Klaus Engel（右一，Siemens Healthcare Technology Center）[37]受到皮克斯玩具总动员的启发[38]决定开发能够呈现医学图像三维重建深度感知（depth perception）的技术，后来称之为cinematic。rendering。他将创造一种能够反映光线与组织作用的复杂模型。反射，吸收以及一切其他真实发生但未被考虑的过程都将被仿真计算。

Cinematic Rendering被应用于，特殊诊断，手术规划和沟通教育。其呈现效果远远好于基于ray casting的图像。

技术的发展从来不是阶跃式的，新的技术并非灵感一现。Pixar前身Lucasfilm在1984年制作出人类历史上第一部计算机图像3D动画《The Adventures of André & Wally B》[39]，1986年Jim Kajiya提出了大名鼎鼎的rendering。equation[40]，为光线追踪模拟提供了理论基础。直到2018年随着Nvidia和AMD等半导体公司的发展，高复杂度的光线追踪算法（ray tracing）才得以在消费级显卡运行。

因为对比光线播散算法（ray casting）只粗略模拟了光线容积数据表面的散射和截断，光线追踪（ray。tracing）需要模拟光线穿透三维的容积数据，这两种区别便是表面光线散射（Subsurface。scattering）[41]与容积光线散射（Volumetric Scattering）[42]。但是经典光线追踪依旧存在问题。

经典光线追踪算法（Classic。Ray Tracing）限制了光线的线路路径，模拟光线的入射和截止都是预先决定（Deterministic）好的，因此可以通过Riemann 积分（定积分）来计算其光线传播的传递函数结果，这显然可以节省算力，也能够获得质量改善的图像。但是显然，这样的光线并不能在数据空间自由播散，从而有可能点亮每一个像素。路径追踪（Path tracing）算法被提出，光线的入射和截止是基于真实仿真概率的（Probabilistic），入射光线在容积数据内部基于预先设置的算子（吸收，反射与组织作用等）在传播路径上不断地被递归运算。直到最终的传递函数的结果达到预先设置的阈值。需要经过多少次递归完全是基于光线与组织的仿真特性。每一束光线都有可能随机点亮数据内的每一个像素。

Tracing）无疑是当前最接近真实的算法，但是其传递函数的结果显然不是Riemann 积分能计算的。要计算出路径追踪（Path Tracing）的结果需要作出两点变化。

二是引入蒙特卡洛积分（Monte-Carlo。Integral）替代黎曼积分（Riemann Integral）来解决路径追踪（Path。Tracing）的计算问题。黎曼积分（Riemann Integral）[43]，也就是所说的正常积分、定积分。在实分析中，由黎曼创立的黎曼积分首次对函数在给定区间上的积分给出了一个精确定义。黎曼积分在技术上的某些不足之处可由后来的黎曼-斯蒂尔杰斯积分和勒贝格积分得到修补。蒙特卡洛积分（Monte-Carlo。Integral）[44]，并不是指一种名叫蒙特卡洛的积分，而是采用蒙特卡洛法来估计积分。

对于模拟的入射信号（signal），无论是单采样还是16采样。蒙特卡洛积分（Monte-Carlo。Integral）对比黎曼积分（Riemann Integral）都有更好的像素表现。

但是实际情况中并不能对同一个数据同时采用蒙特卡洛积分（Monte-Carlo。Integral）和比黎曼积分（Riemann Integral）。蒙特卡洛积分（Monte-Carlo。Integral）是为了解决路径追踪（Path Tracing）计算复杂度引入的估计方法。Integral）是对普通光线播散（Ray Casting）使用的确定方法。

这是一次了不起的尝试，因为在可预见的未来，人类不可能制造出能从射线到探测器端照亮每一个像素的CT设备，GE医疗做过有限的尝试，但受限于当时的计算硬件性能并没有落地。从第三代滑环螺旋CT到第四代环形探测器CT甚至第五代静态CT。都看不见这样的可能性。

Klaus Engel耗费了数十年时间为Siemens 医疗开发了全路径追踪算法-实时蒙特卡洛积分路径追踪算法或者Cinematic rendering。让点亮每一个数据内像素成为可能，这无疑为走出向CT成像的自由王国开辟了一条新的道路。在当时看起来昂贵的计算硬件-Nvidia GTX980显卡性能如今只需要入门级的中端显卡就能达到。实时蒙特卡洛积分路径追踪算法Cinematic。rendering 完全具备了普及落地的可能性。

拥有捕捉光线能力的厂家不多，因为需要克服巨大的计算问题而难以落地。但是在数据世界创造光源的厂家不少，这也是一个不可缺少的环节，这个环节也能提升图像重建质感。

6 全新的王国B-数字光源的艺术，全局照明Global。Illumination：Volumetric Illumination[45] -。single scattering illumination model。Siemens医疗Cinematic rendering：（Dynamic） Global。Illumination- multi scattering illumination model。Illumination Rendering：（Static） Global。多家知名的企业都参与到这一步的技术革新当中，尽管技术路径有所不同，但是技术的探索是令人鼓舞的。无论采用的容积照明（Volumetric Illumination），基于蒙特卡洛积分计算的Dynamic。Global Illumination（动态全局照明），还是单纯数据模拟的Static Global。Illumination（静态全局照明）。采用的是单散射模型（single scattering illumination。model）或者多散射模型（multi scattering illumination model）。对比基于ray casting（光线播散）的单点散射模型，重建图像都有显著的质感提升。

Dr Klaus Engel显然走的更远一点：他在Cinematic rendering中引入了摄像机模式，数据上的分层采样模拟了Lytro光场相机元器件，使得在数据空间调节焦距是可行的，这极大的降低了重建图像的锯齿感。

在更早的章节里我们也提到人眼感知世界的两个主要维度：深度感知（depth perception）和形状感知（shape perception）。恰好表面光线散射（Subsurface。scattering）利于形状感知（shape perception）而容积光线散射（Volumetric。Scattering）利于深度感知（depth perception）。是否可以把它们的特性整合在一个模型里呢？

实现全局照明（Global Illumination），表面（Subsurface。scattering）和容积散射（Volumetric scattering）切换之后，我们获得了更多的自由，Cinematic rendering可以尝试将不同的光源模拟出来，可以自由的观察每一个像素被不同光源照亮的效果。

equation中的相位函数将自然界中的光环和光晕带到医学影像的数据空间。

可以通过修改render equation中的曝光函数将实现局部过曝光的补偿修复。

可以通过修改（Subsurface scattering）获得近乎魔幻的玻璃材质体表效果。

7 必然王国到自由王国的飞越-探索之路不会终结。是的，天文物理学说这个叫做光锥（Light。cone）[49]。悲观的人也许会认为光锥之内便是命运，人生没有意义不需要奋斗。即使看清每一个像素也没什么意义；乐观的人多半会认为人生的长度不可改变，但是可以拓宽人生的维度，看清每一个像素，朝闻道，夕死可矣[50]。

这是个人的选择，我更希望人们选择有意义的人生，摆脱历史虚无主义。

多少事，从来急。天地转，光阴迫。一万年太久，只争朝夕。

Attractor[52]），它是时空的奇点，原本不能相接的光锥被压缩于一处。在银河的中心，也许有人能找到光锥的路径追踪算法，将我们的一生细细翻阅。

不必等候炬火[53]，我们都将在时空的奇点重逢。

Experimental assessment of spatial resolution performance

2. Non Sire

1 这不是暴乱，这是一场革命！

往往卷入历史之中的普通人都难以察觉即将到来的变革，但即便贵为帝国的国王也同样如此。1789年，在路易十六[2]如往常一样打猎归来准备休憩的时候，听到了来自利扬古公爵的消息：巴士底狱落入了巴黎叛乱分子之手。路易十六轻描淡写的问道："Mais c'est une révolte ?与其他诸多历史时刻一样，路易十六得到了一句未来会被反复被提及的回答：Non,Sire, c’est une revolution[1]。

  1. 1 巴士底狱[3]并不是一座监狱，它是一座军火库。法国大革命奠定了革命老区的传统，它发生的地点：巴士底狱，并不是一座监狱。而是一座军火库。历史总是惊人的相似，秦二世暴政遇到“王侯将相，宁有种乎”，遂揭竿而起[4]；波旁王朝遇到“天赋人权，三权分立”[5]。点燃了欧洲的这座军火库。统治者以为固若金汤的堡垒，顷刻瓦解。究其原因，一言蔽之：肉食者鄙，未能远谋。颠覆性创新都是破坏性[6]的，它的发生并不会以人的意志为转移。

未能觉察这个事实，也许最根本的原因就是一直处于高位而未能自省。在市场活动中，这也是大型企业应该避免的，这也是为什么大型企业需要持续关注科技创新和中低端市场。市场头部的竞争往往是回合制，谁也不可能消灭谁，但是来自高性价比的中低端市场的对手，未来可能出现的颠覆性创新赛道，都有可能让市场头部的企业轰然倒塌。

时至今日，我们已经习惯了能有机器能轻松实现人体的三维透视和重建。面对黑白灰阶组成的图像，尽管生成这些数据的CT型号，扫描参数，重建参数各不相同。但是从未有人问过：这些图像之间存在差异吗？究竟什么样的参数才是最接近真实物理世界的数据呢？要系统反省这些问题是一个巨大的工程，孔子说：吾日三省吾身；苏格拉底说：智慧需要自省。能感受到人类更高意识形态的思考多有相合。本章主要聚焦于CT的探测器系统。

探测器是CT的眼睛，早在1903年 William Crookes[8]首次采用ZnS闪烁体观察到了晶体对X射线转换现象，这与Philips用于DLCT的ZnSe性质是一致的，用于感知转换低能级的X射线。这是一个伟大的发现，此后工程师尝试了气态和晶态的各种材料，最后选择了两种主要的材料，其一是GARNET type 或称石榴石，GE称为Gemstone宝石；其二是GOS闪烁陶瓷，其中有对其工艺改进的成为UFC材料。这些发现极大提升了CT的性能，但是，时至今日，CT的眼睛依旧蒙着一层迷雾。

传统CT探测器是无法直接识别穿透人体的X射线的，需要依托闪烁体把X射线转换为可见光，最后由CT光电二极管识别。可见光就是传统CT眼睛的那层迷雾。

这个过程与我们小时候玩的荧光石很相似，只不过荧光石的转换时间很漫长，在白天吸收了足够的阳光，晚上，我们就可以看到荧光石转换的弱光了。虽然发光，但这已经不是太阳的光亮了，它丢失了太阳光的信息。

这样的过程，这层迷雾对于CT的影响是直接的，由于转换效率的问题，可以看出传统的可见光尺度的EID探测器CT在不同的光强下（剂量），获得的HU值是不稳定的，是不断偏移的。

并且，由于是间接成像，传统的可见光尺度的EID探测器CT也无法了解到探测器材料内部的基准噪声，这一噪声集中在20-25kev。GE和西门子的团队先后都对这一问题进行过公开讲解。

根据上海硅酸盐研究所网站的信息，能知道晶体材料的主要作用是进行射线的能量转换。在传统CT领域，主要是将X射线转换为可见光。以便于光电二极管识别转换为电信号。

早期的CT探测器也曾采用过惰性气体来实现X射线的能量转换。这一原理与日常生活的日光灯是一致的。

气态分子对于光子的捕获效率高达87%[12]；但是现代晶体材料却有着接近100%光子捕获率。

此材料工艺相对昂贵，目前制备工艺主要被GE healthcare掌握。

飞利浦，西门子，佳能都采用了改良的GOS 材料，命名为UFC。对于CT算法，从数学上有两类问题：

其一是forward model 问题，即将object通过CT扫描仪转换为projection data，为正弦形式的数据。这个物理过程通常受到X射线的光谱，焦点的分布，探测器的响应特性决定。尽管这个过程极其重要，但是由于复杂的物理特性，很少厂家会从算法上考虑这些因素对图像的影响，这一过程也是第三代迭代算法的核心特征。

其二是inverse问题，即将projection data重建为image。这是绝大多数厂家考虑并实践的过程。重建（reconstruction）或者实践中的（analytic reconstruction）就是最常用的filtered back projection算法。在inverse问题范畴内，关于迭代算法iterative的核心思路就是采用正确的算法，猜测（guess）正确的投射数据（correct projection）。

显而易见，即使是依据最朴素的直觉，也能知道这两类问题的对应方法存在诸多漏洞，因为无论是用那种方法，总会遗漏object的真实物理信息。

  1. 4.1第一代迭代边缘降噪Edge-preserving noise reduction (in one domain)

  2. 4.2第二代迭代统计学模型降噪Iterative recon including model of data statistics

  3. 4.3第三代迭代forward model 多模型降噪Iterative recon modeling statistics and physics

  4. 4.4深度学习不是新的武林秘籍。迭代算法是值得肯定的实践，但不是本章的重点。

深度学习是最近十年兴起的新的算法开发工具，由于其端到端的开发模式，极大降低了复杂算法的开发门槛，开发者需要提供的只有输入端的数据源和目标数据源。这些数据会被转换为N*N的矩阵，在提供的模型中不断迭代，是的，你没看错，深度学习也是通过迭代的方式以便能获得一个模型，只要在程序入口提供输入端数据，经过这个模型的转换，就能得到一个最大程度接近目标数据源的矩阵数据。这种全新的算法能否突破迭代算法的限制呢？

  1. 4.4.1CNN卷积网络[13]。最基本的4 层Layer卷积网络，通过卷积视野2828（通常小于input 的矩阵3232）在横向连接上不断提取input的特征，最后在FC全连接层做出预测，CNN的问题是layer之间丢失了时间连续性，即layer1与layer3之间的关联被layer2截断了。为了解决这一问题，提出了RNN神经网络。

  2. 4.4.2 RNN递归神经网络[14]。以上为3层layer的RNN递归神经网络，layer之间传递的不再是卷积最小二乘法pooling池化后的特征均值，而是layer之间的纵向连接，t-1时刻在layer1内部隐藏层的输出，会作为t时刻layer2的输入，以此类推，直到获得最终的state。但是这种结果是理想化的，RNN的layer有所不同，每一层的输出为隐藏层，是可能存在无任何输出的可能，这样RNN也就无法迭代循环下去，这也是RNN最致命的缺点，无法处理长时记忆数据，针对此，会有改良的LTSM网络，但是本质上都存在梯度消失或者爆炸的缺陷。

尽管无从考察深度学习对于图像本质的提升有多少，但是就其结构而言，并未创造出不存在的信息，其作用过程仍旧作用于inverse过程，缺失了Forward model的信息。

TrueFidelity[16]。CT扫描仪究竟是如何把object转换为projection data呢？正如之前的描述，这是极其复杂的，GE的做法是输入源直接采用forward model原始数据。按照路径，该模型理论上会包含forward model和inverse的所有信息，并在深度学习的加持下，相对于传统算法会有更精细的表现。

AICE的路径则稍有不同，虽然采用scanner model，但是这显然是处理过的数据，并非原始的Forward model。因此该模型本质是一个精细化的inverse深度学习改进算法。

FDA尚未批准AIIR技术，根据其对应的技术白皮书所陈述的处理过程为迭代算法路径，具体深度学习实现方法尚不清楚。在2021年申请的一项图像专利[19]中有部分相关描述，可以作为参考。

CT图像的评价只能通过间接的手段，分为主观评价和客观评价，主观评价差异较大，暂不讨论，常规的客观评价方法如标准差SD，CNR或SNR等，都是选定特定的ROI（region of intrest）很难反应全局的噪声情况。

对比传统的迭代算法，GE的低剂量深度学习算法与标准剂量FBP图像的NPS曲线十分接近。

算法永远存在一个极限，这个极限就是存在于数据之中，数据的边界也即算法的边界。只要是基于Forward model和inverse设计的算法，无论是传统工程实现或者新的深度学习方法，都会遇到降低图像噪声的同时损失如肝脏小病灶的密度对比度问题[20]。在后续的讨论中将会知道，这不是算法本身的问题，这是来自传统CT系统探测性能精度的问题。

  1. 5.3阿伦 图灵：可计算的宇宙 参考光学的标定方法Modulation Transfer Function[21] （以下简称MTF），MTF使用的是黑白逐渐过渡的线条标板，通过镜头进行投影。被测量的结果是反差的还原情况。如果所得影像的反差和测试标板完全一样，则MTF值为100%（1），这是理想的最佳镜头。若反差为一半，则MTF值为50%，数值0表示渐变黑白线条被还原为单一的灰色。对于CT，还需要projection data 到image的inverse reconstruction。因此镜片组中的MTF100%或0%并不适用于CT系统，国际上一般采用MTF10-50%（IEC，2004）评估CT的探测能力，CT的实际可探测信道极限问题实际上可以参考通讯行业的一个公式：

显而易见，从object到projection到image。把CT看作从object到image的信息传递通信系统更加贴切。这一前提下，CT的性能主要由B 采样率和S/N信噪比两个指标决定。

从object到image的传递效率看似是一个工程测量问题，实际上是一个数学极限问题，是一个该过程是否可计算的问题。尽管图灵设计了无限内存的图灵机和完备的符号集合体系，但是正如我们今天遇到的问题，算法是有极限的，符号数据的边界就是算法的极限。

尽管图灵没有系统论述如何提升图灵机的可计算尺度问题，但是就人类目前的进展，可以简单评估一下如何提升图灵机的可计算尺度。

  1. 6.1.1 J22超高速风洞。全球唯一的超高音速激波风洞，让我们获得了钱学森弹道的高超音速导弹计算结果。

大型的电磁兼容暗室让我们获得了五代机的电磁匿踪数据。

尽管与空气动力学相似，但是由于无法建造超高速风动这样的硬件，流体力学依旧需要艰难地依靠数学算法或者极其昂贵的计算硬件模拟。

地球尺度或者超大规模的地质模型超出了人类现有的工程能力和意愿。

  1. 6.3 高能粒子物理学的启示。这个领域，使得人们意识到，想要通过计算获得答案，必须提升图灵机的可计算尺度。最直接的方式就是建造大型粒子碰撞机。

  2. 6.3.1 理查德费曼（Richard Phillips Feynman[22]）：只有量子计算机才能模拟量子。来自美国的物理学家，诺贝尔物理学奖的科学家费曼则更加直接，当我们进入量子的尺度，依靠电子管或晶体管的元器件是无法模拟的，只有量子计算机才能模拟量子。

  3. 6.3.2 只有直接X射线成像才能计算光子的信息。对于CT的启示也同样如此，全新的半导体光子计数CT将会把传统CT可见光尺度的成像提升到直接X射线成像的水平，CT诞生的50年，我们终于在工程上直接实现了X射线的成像。这将在本质上颠覆CT的可计算尺度极限。

毫无疑问，尽管一些市场头部公司和一些新兴公司声称即将上市半导体型的光子计数CT，但是西门子医疗显然是领先一步。

通过碲化镉CdTe材料，x射线将不再需要被传统晶体转换为可见光，而是直接被半导体转换成了能量层析数据，在Forward model 过程中，光子计数CT获得的高质量多维度能量层析projection data无疑会开启一个实现CT能量空间自由成像新的时代。

半导体更快的闪烁响应速度是显而易见的，但是这并不等于可以无限提升CT系统的B（采样率）。

  1. 2.1 石榴石 30ns[23]。尽管采用的是传统晶体材料，但是GE healthcare提供的GEMSTONE材料在晶体材料中的性能是领先的。其原因是GEMSTONE采用的是立方对称结构[24]，更易于实现透明化。

  2. 2.2.1传统GOS CT 10 微秒[25]。传统CT的材料响应时间需要达到10-30us。

  3. 2.2.2 硅[26]30ksps

  4. 2.2.3 碲化镉[27]50ksps。碲化镉在在实验室获得的最快响应速度是50ksps（合0.02us/20ns），相对于此前的UFC材料，是巨大的提升。

  5. 3 致命的短板：AD转换的瓶颈10k sps[28]。探测器材料的响应速度并不等于探测器的响应速度，探测器的响应速度取决于AD转换电路的效率，就目前为止，用于CT的AD电路转换率在10ksps（10000hz），与可能存在的计算重建资源一样，这限制了CT探测器的极限性能。

  6. 4 西门子半导体量子探测器10ns[29]。实验室的数据也许只能作为一个参考，根据西门子公开披露的资料，碲化镉的实际响应时间可达到10ns。高于实验室数据。即使材料有更好的性能，但是AD电路限制了CT的极限性能，可以看看实际的CT系统采样率：

  7. 5.1 GE-gemsone：8914hz GE的宝石探测器是目前单系统采样率最高的。

  8. 5.2 Siemens-CdTe：5376hz 根据西门子公开的专利，两套AD系统采用的是一套时钟系统，因此西门子的实际采样率应该为10752hz，理论上已达到AD电路的容量上限，这个模式只在UHR模式采用，而Force的4200hz*2则无这些限制。

  9. 5.3 Philips-ZnSe&GOS：4800hz，与西门子类似，飞利浦的AD实际采样率为9600hz

  10. 5.4 Cannon-GOS：2910hz。

1973年，Hounsfield通过air，water，bone定义了HU值[30]。此后的半个世纪，发现了HU作为单一指标，其实并不可靠，我们引入能量CT，试图通过更多的参数来印证诊断。但是由于各种设备型号，实现方式，重建参数的差异。我们提出了1.3的问题：这些图像之间存在差异吗?。是的：这些图像之间存在差异。

哪一种参数是最接近object真实物理信息的呢？

量子重建：回归起点，能量空间的HU值得到了统一，所有的病灶都值得重新标定。

  1. 2.1 传统可见光尺度EID探测器与X射线直接成像PCD探测器的性能差异主要在80kev以下的能量空间是EID无法触及的尺度，EID的CT是无法通过算法弥补的。在这个尺度，有此前无法认识到的20-25kev基准噪声（见2.1.4）和EID无法响应的数据精度（见2.5.2）。

  2. 2.2.1 66ms物理能量时间分辨率

  3. 2.2.2 CTA数据下的钙化积分，物质本源分离

  4. 2.2.3 X射线直接成像：110μm超高分辨率。真正的变革往往难以察觉，仿佛十年前冬天，就在一夜之间街上就再没有键盘的智能手机，人手一部大屏触控智能手机，让互联网这个原本用于美国国防先进研究计划局（DARPA）[31]信息管理的庞然巨物装进了人们口袋里。

当解读隐藏在X射线之中的完整信息不再需要特殊的科研手段，而变成随手可及的一次扫描。挡在CT眼睛的那层迷雾已被揭开，CT新的时代已经开启。

5 起青草之微末兮，化狂飙以骋太宇[32]

  1. 1 普朗克[33]（Max Planck）的质疑！

普朗克是为人类打开量子世界的天才，他的博士论文《Zur Theorie des Gesetzes der Energieverteilung im Normalspectrum》[34]更是以最简单的形式：为宇宙指明了方向，熵增原理。

正是这样一位比肩爱因斯坦，牛顿的天才。才能用极致简洁的思路发问：是否存在一个方程，可以描述世间万物？这样的问题，目前尚无人能够回答。但是流传于那个时代的一句话：面对宇宙的考验，最好的回答都被写在了上帝的笔记本上。

  1. 2 我们不应该停留在革命的某一阶段

  2. 2.1.1 CT的X射线源尺度。对于人体诊断为目标的X射线源光子能量尺度在20kev-120kev。相对于放射治疗为目的，工业探伤，甚至中子源金属探伤CT。人体CT的成像范围能级较低。

  3. 2.1.2 CT X射线源的物理过程。在人体CT范畴内，X射线穿透扫描目标，主要发生光电效应和康普顿效应。

  4. 2.1.3 半导体对X射线源的捕获性能（碲化镉&深硅）。目前主流的几种半导体材料，对于X射线的捕获转换特点是什么呢？

可以简单看到，碲化镉（CdTe）与硅（Si）材料特性存在数量级别的指标是：原子序数，电阻，载流子寿命。这对于两种材料的设计思路有巨大影响。

电子云尺度的实验，可以显示深硅（Si）有更好的能量响应特性，对应更长的载流子寿命。

单光子射线源尺度的实验，可以显示碲化镉（CdTe）有着更优秀的空间能量响应截止尺度（FWHM指标），对应更大的原子序数和电阻。

  1. 2.1.4 如何设计光子计数探测器？

  2. 2.1.4.2 Face on和 Edge on。CdTe detector designs, of 3 and 1.6 mm thickness

3mm和1.6mm CdTe探测器DQE（0-1）。Si detector designs with tungsten 有栅格的Si探测器DQE（0-1）。Si detector designs without tungsten 无栅格的Si探测器DQE。完全发挥半导体材料的特性，不仅仅是探测器的设计，还需要对于射线源的改进，如双源的SPS能谱纯化和GE的多级3D蜂巢准直器等，都可能会改进光子计数CT的表现。

  1. 3 万物之始，大道至简，衍化至繁[35]。简单意味着可靠，某种程度上也更接近宇宙的真相。CT扫描本不需要那么多额外的技术概念，尤其是那些被包装的市场概念混淆其中，让人乱花渐欲迷人眼。正如我们经历过的，存储硬盘，数据接口，操作系统，智能手机，甚至新能源汽车行业，在技术发展的最终阶段，所有产品都呈现了简洁一致的特性。

基础理论决定一切：“成吉思汗的骑兵，攻击速度与20世纪的装甲部队相当；北宋的床弩，射程达一千五百米，与20世纪的狙击步枪差不多；但这些仍不过是古代的骑兵与弓弩而已，不可能与现代力量抗衡。基础理论决定一切，未来史学派清楚地看到了这一点。”。即使无法与人类历史群星闪耀的科学时刻相比：站在巨人肩膀的爵士俯身拾起真理海边的贝壳；爱好小提琴的专利审查员发现时空的琴弦；被“黑体辐射”折磨的天才发现宇宙居然是一份一份的交换能量。从经典时空到广义时空，再到普朗克尺度的量子世界，人类认知的基础理论每突破一个尺度，我们都将获得全新的世界地图，等待人类探索。

或许，螺旋CT也许走到了这样的历史时刻：回归CT起点的HU值，在能量空间找到了恒定的坐标。这是一个终结，也是一个开始。

他的诗不仅想象诡谲，更是比诗仙多一分厚重，正如他对于命运的反抗，似乎是早知天命。他无意中留下了那半句绝对：天若有情天亦老。

后世有人对答：月如无垠月常圆；世间原只无情好。虽然工整，却少一点格局。或许是不知诗鬼并非在论人之常情。他说：人间正道是沧桑。

人类历史上真正的革命者，不会自我怀疑，不会停留革命的第一阶段，会坚定的将革命进行到底，直至彻底胜利。

quality at the fast pace of medicine

再见了，Willi Kalender教授

2024年10月21日，医学物理学界失去了一位伟大的科学家--威利·阿尔弗雷德·卡伦德（Willi A Kalender）教授，他在德国埃尔朗根与世长辞，享年75岁。作为现代螺旋CT技术的发明者，卡伦德教授不仅引领了CT成像技术的发展，更将其带入了临床应用，为全球医学影像领域做出了不可磨灭的贡献。

1949年8月1日，卡伦德教授出生在德国的一个知识分子家庭。他从小就展现出卓越的数学和物理天赋。卡伦德教授的学术旅程始于波恩大学的数学和物理专业，之后赴美国威斯康星大学深造，获得医学物理学硕士与博士学位。自1976年加入西门子医疗起，他便投身于诊断影像领域的前沿研究，尤其专注于计算机断层扫描（CT）技术的创新。1988 年，他在德国图宾根大学完成了医学物理学的所有博士后讲课资格（Habilitation）。1988年至1995年，他被任命为西门子医疗医学物理学部门的负责人。自1992年起，他担任威斯康星大学医学物理学的客座教授。1995年，他被任命为新成立的弗里德里希-亚历山大大学埃尔朗根-纽伦堡分校医学物理学研究所的全职教授和主任。1999年，他成为美国斯坦福大学放射科的特聘客座教授。

卡伦德教授最为人称道的成就是他1988年发明了螺旋CT技术。1990年西门子医疗推出了SOMATOM Plus-S系统，这是人类历史上第一台螺旋CT。这项技术的核心创新在于将传统CT扫描中的检查床和X射线源运动方式进行了优化，使得X射线源和探测器可以在扫描过程中持续运动。与传统的CT扫描需要逐层扫描不同，螺旋CT通过不断旋转扫描，形成螺旋形状的扫描轨迹，极大地提高了扫描效率和精度。这一进展大大缩短了检查时间，使得全身扫描成为可能，同时减少了患者暴露于辐射的时间，并显著提升了图像的分辨率达，到了当时前所未有的精确度。卡伦德教授曾预言：“未来属于螺旋CT（The Future belongs to Spiral CT）！”（更多内容参见XI区：回望：CT五十年（1968-2018））。螺旋CT不仅在常规的脑部、腹部和胸部成像中发挥了重要作用，还为心脏成像、血管成像、肿瘤检测等复杂病例提供了强大的技术支持。这项技术的成功推广，使得CT在临床中的应用进入了一个全新的时代。螺旋CT也被认为是CT发明以来断层成像领域最重要的进步之一。

卡伦德教授在双能CT技术的研发方面也做出了重要贡献。双能CT通过使用两种不同能量的X射线，使得扫描过程中能够获得不同的组织对X射线的吸收信息，从而提高对不同类型组织的分辨能力。早在20世纪80年代初，卡伦德教授就开发了快速kV切换的双能量系统。双能量CT技术不仅在软组织和硬组织的分辨上取得了突破性进展，也对各种疾病的精准诊断提供了重要支持（更多内容参见XI区：CT能量成像五十年（1971-2021）：从双能量到多能量的探索）。

在金属伪影消除方面，卡伦德教授提出并开发了基于改进算法的金属伪影修复技术（MAR）。金属植入物，尤其是人工关节和钛金属植入物，常常会在CT扫描中产生伪影，影响诊断精度。卡伦德教授的金属伪影消除技术，通过图像重建过程中的算法优化，成功地消除了这些伪影，极大提高了在复杂病例中的诊断准确性。

传统的乳腺X光成像在提高诊断准确性方面有一定局限，特别是在密集乳腺组织的情况下。2008年至2019年间，卡伦德教授的研究重点在于开发高效的乳腺CT系统，以提高乳腺癌的早期检测效果。该设备特别是其高分辨率光子计数探测器设计，使乳腺扫描的剂量接近数字乳腺摄影的水平，由于乳腺CT提供了无重叠的全三维分辨率，其清晰度和分辨率显著提升。

卡伦德教授的贡献还体现在心脏CT和血管成像领域。心脏CT技术的难点在于心脏的快速运动和极为复杂的解剖结构，传统的CT成像方法很难提供足够清晰的图像。卡伦德教授通过提出相位特异性成像方法（Phase-Specific Imaging），使得在心脏扫描过程中能够减少运动伪影并增强图像分辨率，这项技术大大提高了心脏病诊断的精度，尤其在冠状动脉成像、动脉硬化评估以及心血管疾病的早期检测中起到了至关重要的作用。

卡伦德教授还对辐射剂量控制进行了重要研究。他开发了多种剂量优化技术，例如管电流调制和X射线光谱优化，使CT成像的辐射剂量显著减少，为患者提供了更为安全的成像选择。

在他的职业生涯中，卡伦德教授积累了30余项专利，发表了900余篇科学论文。他获得的荣誉奖项不胜枚举，包括德国联邦共和国功勋勋章、欧洲拉特西斯奖、伦琴奖章等。他还是美国国家工程院院士、德国科学院院士、美国医学物理学会和英国放射学会的荣誉会员。

卡伦德教授的离世，标志着一个时代的终结。他为人谦和、务实，常常鼓励年轻学者提出创新性的想法，并为其提供学术指导。他的学术精神、创新理念与深厚的人文关怀精神，使他在学术界赢得了极高的尊敬和爱戴。他的幽默、关怀和智慧在无数同事和学生的记忆中熠熠生辉。正如他的同事所说，“每一次CT扫描，每一项成像技术的进步，都铭刻着卡伦德的遗产。”他对世界的影响将长存不衰，为医学影像的未来奠定了不可撼动的基石。

陈老师说，知道了，一代CT大师。他生活很自律，坚持锻炼，一直在努力工作。

万事有始必有终，属于卡伦德教授的那个时代远去了。将永远铭记他的贡献，继续在医学影像学的道路上砥砺前行。

卡伦德教授的葬礼于11月15日星期五下午2点在德国莫恩多夫的马丁斯教堂举行，愿他安息。

人工智能（AI）为急性肺栓塞（PE）的诊断提供了创新的途径。由于CTPA技术的进步，怀疑PE的CTPA检查数量及每次检查的影像数量不断增加，导致了影像科医生的工作量增加以及大量偶发性发现。在荷兰的一家教学医院中，数据显示在2006年至2020年间，因怀疑PE进行的胸部CT检查数量增长了1360%，这或许与CT的易获得性和成像过度使用有关。AI工具在提升性能、加快PE评估工作流程、提高效率及生产力方面具有潜力，从而可以减轻影像科医生的工作负担。然而，影像应用的进展并未减少影像科医生的工作量，反而由于解释和后处理时间的增加或新应用的引入增加了工作量。这进一步表明了在临床实践中引入AI工具时需谨慎评估其真正的价值。

AI在PE诊疗中的应用主要包括以下几个方面：辅助CTPA检查的合理适应症确认、扫描分类、血栓检测和预后评估。

AI可支持进行PE检查的决策，目前该决策依赖临床决策规则和D-二聚体检测。Pulmonary Embolism Result Forecast（PERFORM）机器学习模型开发了用于支持CTPA检查决策的AI工具。该模型利用电子病历（EMR）中的原始数据（包括人口学特征、生命体征、实验室检查结果、诊断和药物使用情况）构建特征向量，以预测PE影像学结果并为患者提供特异性PE风险。模型在美国的两个学术医院的数据中进行验证，结果显示在验证队列中的曲线下面积（AUROC）为0.90，外部验证队列为0.71。与目前使用的Wells评分、PE排除标准（PERC）及改良日内瓦评分相比，该模型在门诊患者中表现更优。通过AI辅助的CTPA检查决策支持可帮助减少不必要的检查、过度诊断，降低成本和辐射暴露。

计算机算法还可基于特定规则对影像进行分类，区分有PE和无PE的影像。AI辅助的工作清单优先化有助于加速PE的诊断。这在门诊环境中尤其有用，因为门诊CT检查的审阅和报告时间差异较大，并且某些患者群体（如肿瘤患者）中可能发现偶发性PE。研究显示，通过AI优先处理成人癌症患者的常规增强胸部CT扫描，偶发性PE的诊断时间从几天缩短至87分钟，同时漏报率从44.8%降低至2.6%。

目前已有多种AI模型和算法用于CTPA上PE的检测，研究显示其诊断性能有所不同。2021年一项荟萃分析结果显示，AI算法在PE检测中的总体敏感性为0.88，特异性为0.86。在某些研究中，经过放射科医生确认后，AI算法可以提高PE检测的准确性。一项研究发现，经过训练和验证的FDA批准和CE认证的AI算法在诊断准确性方面表现出较高的敏感性（92.7%）和特异性（95.5%）。在AI检测与放射科医生的表现对比中，AI的敏感性和阴性预测值较高，而放射科医生的特异性和阳性预测值较高。调查显示，引入AI算法后，72%的放射科医生对其诊断信心有所提高。然而，目前大多数研究为回顾性设计，因此需要前瞻性随机试验来评估AI与标准影像学实践的比较效果。

AI算法还可实现结构的分割或边界标定，这在定量影像分析中非常有价值。深度学习方法在CT影像中对PE的精确分割已经得到了验证。基于深度学习的卷积神经网络方法能够进行血栓分割并计算血栓体积，其量化结果与Qanadli评分和Mastora评分高度相关。AI自动计算的RV/LV直径比在PE患者的风险分层中具有一定价值，为急性PE患者的预后提供了可靠的指标。

一项研究评估了AI影像学应用对影像科医生工作量的影响，发现近一半的应用增加了工作量，而仅有4-5%的应用减少了工作量。AI应用导致的工作量增加主要源于额外的后处理和解释时间。某些AI工具的引入虽然在部分领域提高了效率，但在某些案例中并未减少工作时间。另一项研究通过对AI工具标记为PE阳性的CTPA检查进行优先化，显示报告周转时间有所减少，尤其是等待时间减少，而报告的阅读时间无显著变化。

AI算法的开发与实施面临许多挑战。深度学习算法的训练需要大量标记准确的高质量图像数据集，并需考虑区域或技术因素以及人口特征（如年龄或性别）的潜在偏差。图像数据集应尽量大且多样，以减少偏差并避免过拟合。非图像数据（如检查指征、病史和临床参数）的整合增加了数据的复杂性，但也丰富了信息。深度学习应用需经过充分的训练、测试和验证，并考虑伦理、法规及数据隐私等方面的问题。AI临床工具及其许可证的成本也可能显著增加CTPA检查的费用。

AI在PE诊断中具有潜在价值，可通过多种方式支持工作流程的改进。然而，未来的研究应继续评估AI工具的可行性和成本效益，同时解决开发和实施过程中遇到的挑战，并进一步探讨AI对患者结局的影响。

未来影像与临床趋势

SARS-CoV-2是COVID-19肺炎的病因，在全球范围内迅速蔓延，截至2023年1月14日，全球确诊病例超过6.6亿例，死亡人数超过670万。由于其非特异性的症状及非常迅速的传播，COVID-19的早期发现和管理具有挑战性。

核酸扩增试验（Nucleic acid amplification testing，NAAT）由于其近乎完美的特异性而成为检测COVID-19的参考标准。标本不足、类型、处理以及获取标本时不适当的感染阶段都可能出现假阴性结果。在这种情况下，对于呼吸状态恶化的COVID-19患者或具有中度至重度临床特征的疑似COVID-19患者，需要进行影像学检查。通过全面的了解，影像学，特别是胸部CT，在不同国家的大流行中发挥了不同的作用，包括对COVID-19肺炎患者的诊断，分类和预后评估。

疫苗接种对于预防COVID-19安全有效。然而，每种疫苗的效力不一致，随着时间的推移疫苗免疫力下降，欠发达国家的疫苗接种延迟以及变种的免疫逃逸（即帮助病毒逃避人体免疫系统的病毒突变）导致了突破性感染。这样的疫苗接种条件导致了令人担忧的高传染性变种的发生和增加。尽管进行了有效的治疗，一些患者仍可能因感染而遭受长期影响，称为COVID-19后病情（post-COVID-19 condition，PCC）或长新冠（long COVID）。为了更好地了解PCC的风险因素或预防疫苗接种的作用，研究正在进行中。

最近，Radiology上发表了一篇关于COVID-19肺炎当前和新兴知识的综述，该综述（a）简要概述疫情以及影像学对公共卫生危机的贡献，（b）介绍经过全球多次广泛传播的COVID-19肺炎影像学知识的进展，（c）总结新出现的PCC知识。

SARS-CoV-2是一种包膜单链正链RNA病毒，其结构蛋白在COVID-19的发病机制中起着至关重要的作用。刺突蛋白已被证实是介导SARS-CoV-2与宿主细胞的血管紧张素转换酶2受体结合的主要蛋白，并在跨膜蛋白酶丝氨酸2的帮助下引起膜融合。血管紧张素转换酶2受体在口腔粘膜和肺的上皮细胞上高表达，也在心脏，血管，肠，肾，膀胱和脑中高表达。观察到血管紧张素转换酶2的表达及其亲和力随年龄增加而增加，这可能解释了为什么儿童中COVID-19的严重程度低。SARS-CoV-2主要通过与呼吸道飞沫密切接触传播。在较小程度上，它也可以通过气溶胶传播更长的距离。与严重急性呼吸系统综合症冠状病毒不同，冠状病毒在症状出现后传播并且其传染性与疾病严重程度相对应，SARS-CoV-2的病毒脱落在症状出现之前开始，并在症状出现前的第1周达到峰值。受感染的宿主病情严重。这些独特的病毒学特征使SARS-CoV-2成为前所未有的病毒，引起大流行。

早期感染阶段发生在接种（inoculation）时。在此阶段，SARS-CoV-2使用血管紧张素转换酶2（ACE2）受体和跨膜蛋白酶丝氨酸2（TMPRRS2）与其靶标结合并在宿主细胞中繁殖。在第二阶段，发生肺部感染期，肺中的病毒增殖和局部炎症，并发展为病毒性肺炎。在少数COVID-19患者中，该疾病可能发展到最严重的阶段，即高炎症阶段。在此阶段发生由细胞因子风暴引起的不受控制的全身性炎症反应。粉红色三角形表示炎症反应，蓝色三角形表示病毒反应，黑色线表示临床严重程度。黑线下的区域代表响应强度的时间顺序变化。Ag=抗原，ARDS=急性呼吸窘迫综合征，CRP=C-反应蛋白，DIC=弥散性血管内凝血，IL-6=白细胞介素-6，NT-proBNP=脑利钠肽的N-末端激素原。

假设SARS-CoV-2感染经历以下三个阶段：（a）早期感染（病毒入侵和复制），（b）肺部感染期（宿主炎症反应），和（c）高炎症期（免疫反应失调）。临床特征，影像学特征和管理因每个阶段而异。病毒进入细胞后，病毒RNA基因组被释放并复制。然后将其抗原呈递给树突细胞或巨噬细胞，通过病毒特异性B细胞和T细胞刺激人体的体液和细胞免疫。由大量促炎细胞因子释放引起的不受控制的全身炎症反应，称为细胞因子风暴（cytokine storm），在少数感染中引起急性呼吸窘迫综合征（ARDS）和多器官衰竭。

64岁未接种疫苗的男性患有弥漫性肺泡损伤模式的COVID-19肺炎，在Delta变异优势期没有潜在疾病。（A，B）在COVID-19核酸扩增试验阳性后1天，在右主支气管（A）和右中叶支气管（B）水平获得的随访CT平扫（肺窗）涉及双侧肺的磨玻璃影区域。

已观察到天然和疫苗诱导的免疫力快速下降，现有疫苗对新变体的中和活性较低。COVID-19肺炎免疫保护的预测模型估计，中和滴度随时间的减少对保护水平具有非线性影响，这取决于初始疫苗的效力。尽管在250天后中和作用会显著减弱，但在2年内呈线性下降，这似乎降低了住院或严重疾病的风险。假设病毒进化的方向是降低死亡率以增加传播性。然而，Delta变异株的死亡率高于先前出现的变异株，但在疾病进展的早期有效传播。截至2022年10月，奥密克戎（B.1.1.529）变异株及其亚系已成为全球主要变异株。Omicron变异株及其亚系比Delta变异体更易传播，并且在之前感染过野生型或其他变异株（例如，α、β、γ和Delta变种）和突破性感染的个体中，与重复感染的高风险相关（3B）。这些可能与更高的血管紧张素转换酶2结合亲和力和由于奥密克戎变异株刺突蛋白中的更多突变导致的免疫逃逸现象有关。然而，在奥密克戎激增期间，第四剂mRNA疫苗的调整保护率分别为34%、67%和72%，以预防总体感染、重症住院和相关死亡。应强调密切监测SARS-CoV-2新变种的出现，尽管基于通过自然感染和疫苗接种获得的病毒进化和免疫假设的普遍乐观。

奥密克戎BA.5亚变异株优势期SARS-CoV-2再感染和突破性感染病例。（A，B）82岁男子在Omicron BA.5亚变异优势期再次感染COVID-19肺炎的CT扫描（肺窗）。患者既往有奥密克戎BA.1亚变异株感染和脑血管意外史。（A）奥密克戎BA.1亚变异株（首次感染）时在支气管中间层获得的CT平扫显示右下叶上段磨玻璃（GGO）灶区（箭头）。根据RSNA胸部CT分类系统，CT结果被分类为“不确定”。（B）第一次感染后4个月，在奥密克戎BA.5亚变异株再次感染时，在基底干水平获得的CT平扫显示，双侧下叶（正方形）的依赖部分小叶中心结节定义不清。根据RSNA胸部CT分类系统，CT表现被分类为“非典型”。（C）76岁男性，有高血压和肺结核病史，曾接受过COVID-19肺炎强化治疗，在Omicron BA.1亚变异株优势期进行SARS-CoV-2突破性感染的CT扫描（肺窗）。在肺下静脉水平获得的CT平扫显示右下叶GGO（正方形）的灶区不清晰。根据RSNA胸部CT分类系统，CT结果被分类为“不确定”。

COVID-19肺炎的影像学表现。根据世界卫生组织（WHO）的规定，确定确诊的SARS-CoV-2感染必须满足以下两个条件之一：（a）无论临床或流行病学标准如何，患者在NAAT均获得阳性发现，或（b）患者符合临床和/或流行病学标准，SARS-CoV 2抗原检测呈阳性。NAAT是一种病毒诊断测试，有助于以高灵敏度和特异性检测病毒RNA；然而，需要较长的周转时间（最多2天）。胸部影像对COVID-19肺炎的诊断具有辅助作用。然而，世界卫生组织建议，在特定情况下可以考虑胸部成像，如下所示：（a）NAAT不可用时，（b）NAAT结果延迟时，以及（c）在NAAT结果为阴性的患者中，COVID-19肺炎高度可疑。

影像学不是无症状个体或特征轻微的患者的COVID-19肺炎常规筛查试验，除非他们有疾病进展的风险。尽管胸片摄影术的敏感性不如胸部CT，但它通常是COVID-19肺炎患者的一线成像方式。

临床和影像学表现通常取决于疾病阶段。COVID-19肺炎患者的疾病进展率因年龄、基本医疗条件、免疫状态、变异类型和疫苗接种状态而异。由于血管紧张素转换酶2在人体细胞中广泛分布，并引发促炎细胞因子释放，因此可能出现全身性表现。在早期感染期间，胸片可能正常（4B）。在需要住院治疗的未接种COVID-19肺炎疫苗的患者中，37%（279/761）的患者在入院初期胸片异常，46%（298/653）的患者住院期间胸片异常。（更多内容参见：COVID-19与其他冠状病毒的影像学表现有何不同？新型冠状病毒肺炎的5个CT特征；新型冠状病毒感染的异常胸部CT表现）。

根据疾病分期和病变程度，COVID-19肺炎的胸部X线和CT表现。（A，B）一名42岁女性在Omicron变异株优势期接受强化剂量治疗，在“早期感染期”发生COVID-19肺炎。（A） 核酸扩增试验阳性后3天获得的胸片显示两肺均无异常阴影。（B） 同一天在基底干水平获得的CT平扫（肺窗）显示，右下叶上段有一个不清晰的磨玻璃（GGO）结节（箭头）。（C，D）COVID-19肺炎在Delta变异株优势期一名80岁完全接种疫苗的妇女的“肺期”发生。（C）核酸扩增试验阳性后5天获得的胸片显示双肺多灶斑片状实变和GGO（箭头），以周围优势为主。（D）同一天在肺下静脉水平获得的CT平扫（肺窗）显示混合GGO斑片状区域和胸膜下分布的实变（箭头）。（E，F）一名69岁未接种疫苗的女性在Delta变异株优势期无潜在疾病，处于“高炎症期”时出现COVID-19肺炎。（E）核酸扩增试验阳性后2周获得的胸片显示弥漫性和广泛的实质混浊，累及双侧肺。（F）同一天在隆突水平获得的CT平扫（肺窗）显示GGO弥漫性和广泛区域，可见双侧肺小叶内线。同时注意左侧主动脉旁区域的纵隔气肿（箭头）。尽管患者接受了机械通气和体外膜肺氧合治疗，但她还是死于该病。

COVID-19 肺炎最常见的胸部X线表现是多灶实变或毛玻璃样阴影（GGO），通常以双侧、周围和下部为主（4D）。胸腔积液罕见（6%）。

在高炎症期，少数COVID-19肺炎患者可表现为ARDS和多器官衰竭的进展性疾病。一项前瞻性队列研究报告称，24%的COVID-19肺炎住院患者在流行期需要机械通气。在高炎症阶段，实质异常会扩散到肺部两侧，累及程度更大（4F）。实质性病变的程度越大或平片分数越高，与进入重症监护室或死亡密切相关（4E、4F）。特别是，当实质损伤的程度大于75%时，重症监护室入院或死亡的风险比程度小于25%时高3至4倍。针对COVID-19肺炎诱导的炎症反应的系统性类固醇治疗可改善需要补充氧气的住院患者的预后并降低死亡率。

COVID-19肺炎的CT表现、分类系统和结构化报告建议。CT可用于COVID-19肺炎的诊断，是NAAT的重要补充。在疫情爆发的早期，据报道，胸部CT的敏感性为97%（基于阳性NAAT），98%的患者在基线时有与病毒性肺炎兼容的异常CT证据，而NAAT的敏感性为71%。在另一项研究中，当使用预先定义的标准（COVID-19肺炎阳性或阴性）时，CT判读性能不受读者体验的影响，能够正确诊断COVID-19肺炎，总体准确率为80%。

COVID-19 肺炎最常见的CT表现是GGO伴或不伴小叶间隔增厚、实变或两者兼有（4F、5A-5D），通常位于外周肺（5-5C），通常在支气管周围，其逐渐演变为组织性肺炎模式（胸膜下和/或支气管周围分布实变和GGO）（5B）。空洞、小叶中心小结节、节段性或肺叶实变以及纵隔或肺门淋巴结肿大在COVID-19肺炎中少见。可见肺混浊区域的肺血管扩张。随着疾病的进展，实质异常最终扩散到两个肺，表现为弥漫性肺泡损伤模式（双侧弥漫性GGO和实变）（4F）。

根据RSNA CT分类方案，COVID-19肺炎的CT表现。（A、B）根据RSNA胸部CT分类系统得出的“典型”COVID-19肺炎。（A）在一名48岁未接种疫苗、有高血压和糖尿病病史的男性中获得的CT平扫（肺窗）显示，在野生型优势期，双侧实变区域与周边分布（箭头）。（B）在一名40岁未接种疫苗的男性身上获得的CT平扫（肺窗），在野生型优势期未发现潜在疾病，显示混合磨玻璃（GGO）斑片状区域和胸膜下分布的实变（箭头）。（C，D）根据RSNA胸部CT分类系统 “不确定”COVID-19肺炎。（C）在一名61岁未接种疫苗的女性身上获得的CT平扫（肺窗），在野生型优势期未发现潜在疾病，显示左下叶GGO的病灶区域（箭头）。（D）在一名65岁完全接种疫苗的男性中获得的CT平扫（肺窗），该男性患有高血压、糖尿病，肾移植史，在Delta变异株优势期显示广泛的GGO混合区和实变区，无区域优势。（E，F）根据RSNA胸部CT分类系统 “非典型”COVID-19肺炎。（E）在一名42岁女性中获得的CT平扫（肺窗），该女性接受了加强剂量，在奥密克戎变异株优势期未发现潜在疾病，显示右下叶支气管周围分布的小结节（方框）。（F）在一名68岁未接种疫苗、有脑血管意外史的男性患者，在奥密克戎变异株优势期，CT平扫（肺窗）显示右上叶的节段性实变区（箭头）和空气支气管图。

为了促进准确的影像诊断并减少放射科医生在胸部CT检查结果报告中的可变性，提出了各种结构化的COVID-19肺炎报告（表1）。

COVID-19肺炎报告和数据系统-COVID-19肺炎报告和数据系统（CO-RADS）还为报告COVID-19肺炎调查患者的胸部CT平扫提供了一个标准化评估方案，该方案具有五点怀疑量表。CO-RADS的主要优势在于其观察员之间的一致性（中度到实质性的一致性）以及区分低概率和高概率COVID-19肺炎的能力。CO-RADS和CT严重程度评分的使用有助于急诊科可能出现COVID-19肺炎的患者的分诊、诊断和管理决策。

COVID-19肺炎结构化报告的欧洲分类系统-COVID-19肺炎成像报告和数据系统（COVID-RADS）是一个相对简化的报告系统，基于不同怀疑程度的调查结果。该系统将COVID-19肺炎的CT表现分为五类：典型表现、非典型表现与典型和/或相当典型表现的结合、相当典型表现、不典型表现和正常。它还提出了一个共同的词汇。英国胸科成像学会提出了一项类似的倡议，同时也增加了疾病严重程度的描述，区分了轻度和中度和/或重度疾病，尽管这项努力没有基于患者结局的证据。

使用哪种上述结构化报告系统或如何将其集成到患者护理中取决于这些报告系统的再现性、可靠性和简单性。这些报告系统中应用较为广泛的是RSNA分类系统和CO-RADS，它们在诊断COVID-19肺炎方面具有相似的敏感性（总敏感性为72.7%；对重症患者的敏感性约为94.7%-97.8%）和可靠性。然而，CO-RADS具有更好的观察者间一致性（κ=0.801 vs 0.781），这可能是由于其与其他报告和数据系统相似，放射科医生对CO-RADS更加熟悉。

据报道，COVID-19肺炎突破性感染的发病率、先前接种过疫苗的人群中活动性COVID-19肺炎的发展率从0.4%到9.5%不等，这取决于疫苗类型、接种后经过的时间、接种者的比例和病毒变体。突破性感染的影像学结果似乎与未接种疫苗的患者相似，尽管一般不太严重。在COVID-19肺炎住院患者中，完全接种疫苗的患者在CT扫描中没有肺炎的比例较高（未接种疫苗的病人与完全接种疫苗者相比，分别为22%和59%）。免疫患者需要补充氧气或进入重症监护室的风险似乎较低。

SARS-CoV-2变异株的影像学表现差异。COVID-19肺炎的临床症状和疾病严重程度可能因变异类型而异（表2）。Delta变异株的嗅觉丧失更为常见，而Omicron变异株的喉咙痛更为常见。尽管Omicron变异体具有较高的复制和免疫逃避能力，但在观察研究中，住院率、死亡率和持续COVID-19肺炎症状的发生率低于Delta变异体。

Delta变异株和Omicron变异株优势期的COVID-19肺炎。（A，B）COVID-19肺炎疫情在Delta变异株优势期的图像。（A）在一名34岁未接种疫苗且无潜在疾病的男性中获得的CT平扫（肺窗）显示混合磨玻璃（GGO）的多灶区域以及胸膜下（箭头）和支气管周围（箭头）分布的实变。根据RSNA胸部CT分类系统，CT表现被分类为“典型”。（B）在一名58岁完全接种疫苗的男性身上获得的CT平扫（肺窗），在Delta变异株优势期未发现潜在疾病，显示右下叶上段的局灶性胸膜下实变区（箭头）。根据RSNA胸部CT分类系统，该病例被分类为“不确定”。（C，D）COVID-19肺炎疫情在Omicron变异株优势期的图像。（C）56岁未接种疫苗且无潜在疾病的女性的CT平扫（肺窗）显示两肺下叶的混合GGO和实变（箭头）胸膜下区域。根据RSNA胸部CT分类系统，CT表现被分类为“典型”。（D）在一名20岁男性中获得的CT平扫（肺窗）显示，右上叶的小叶中心结节清晰可见（箭头）。根据RSNA胸部CT分类系统，该病例被视为“非典型”。

在从COVID-19肺炎中恢复后，大多数人将得到一些保护，以避免再次感染。然而，COVID-19肺炎疫情后确实会发生反复感染。在回顾性队列研究中，重复感染的发生率约为0.2%-0.3%，从德尔塔前时期到奥密克戎时期（6.0/100 000人vs355/100 000）。女性、成人、免疫功能低下患者以及那些先前因COVID-19肺炎住院的患者更有可能再次感染。完全接种疫苗可提供额外的保护，防止重复感染。据报道，与未感染者相比，奥密克戎BA.5亚变异株在既往SARS-CoV-2感染者中发生突破性感染的可能性较小，尤其是既往BA.1或BA.2感染者，其保护效力为75%。

虽然SARS-CoV-2重复感染的影像学表现尚未完全报道，但COVID-19肺炎再感染或复发的影像学结果可能与变种流行时的肺炎相似（3B）。根据2021的一份报告，CT显示两次发作之间肺部受累情况得到了缓解，在再次感染期间出现了新的和进行性变化。这一新的参考文献有助于确定再次入院是由于COVID-19肺炎复发还是再次感染，还是不同的病毒感染，也有助于了解COVID-19肺炎的长期后遗症。

COVID-19肺炎在免疫缺陷患者中的临床特征和预后与严重疾病的危险因素或减少的有害炎症反应有关，目前尚不明确。与普通人群或实体瘤患者相比，血液恶性肿瘤患者确实表现出延长的病毒脱落和更高的死亡率。英国的一项全国性队列研究表明，艾滋病病毒感染者的死亡率是未感染者的2.9倍。现有数据表明，实体器官接受者或风湿性疾病患者的死亡率也较高，但这些结果可能主要由较高的共病负担驱动。在连续51名因COVID-19肺炎住院的肺移植受者中，与未移植对照组（80名）相比，肺移植受受者的不确定CT类型比例（0.31比0.11；P=0.014）和更严重的实质性疾病比例（0.372比0.148，P<0.001）明显更高。

Omicron BA.5亚变异株优势期的COVID-19肺炎患者，58岁，有特发性肺纤维化的肺移植史，接受过疫苗加强免疫。（A）COVID-19肺炎核酸扩增试验阳性7天后获得的胸片显示，两个下肺的外周部分有实质性混浊。（B）初次胸片后2天获得的随访胸片显示肺实质不透明度增加，肺部广泛实变。（C）SARS-CoV-2感染后9天，在两肺下叶的节段支气管水平上获得的CT平扫（肺窗）显示了广泛的混合磨玻璃（GGO）和实变区域，以周边为主。（D，E）SARS-CoV-2感染后3周，在下肺静脉（D）和两个下叶的节段支气管（E）水平上获得的随访CT平扫（肺窗）显示GGO和实变程度降低，但多个结节（箭头）在双肺中分散，有或无空洞。患者死于急性呼吸窘迫综合征。

Twindemic：COVID-19肺炎和流感。虽然非药物干预（如社交距离和呼吸礼仪）减轻了COVID-19肺炎大流行期间流感的负担，但对“Twindemic”（COVID-19肺炎和流感双重疫情）的担忧有所增加。2022年4月至7月，澳大利亚经历了一个糟糕的流感季节，超过了实验室确诊流感的5年平均水平。合并感染可能会影响疾病的严重程度。观察数据表明，SARS-CoV-2和流感合并感染的患者在有创机械通气和住院死亡率方面的优势比（分别为4.14和2.35）高于仅SARS-CoV-2感染的患者。在COVID-19肺炎背景下识别流感感染是困难的，因为两者都可以表现为双侧外周GGO和CT上的实变。然而，支气管扩张和胸腔积液更多地与流感相关，而在COVID-19肺炎中更常见的是疯狂铺路外观、线性混浊和血管扩张。

CT显示弥漫性肺泡损伤模式的患者具有临床严重疾病，因此需要吸氧或机械通气治疗。随后的氧中毒和通气治疗模式包括网状和GGO区域，以及不同大小的肺囊肿和肺大疱，特别是一些患者的肺部前部。

一名71岁未接种疫苗的糖尿病男性在Delta变异株优势期出现的伴有氧毒性和气压创伤的COVID-19肺炎图像。（A）COVID-19肺炎核酸扩增试验阳性10天后获得的胸片显示双侧肺广泛的实质混浊。由于低氧血症恶化，他被转移到重症监护室，并接受了机械通气和长时间供氧。（B）COVID-19肺炎初始诊断25天后获得的随访胸片显示可识别的纵隔气肿（黑色箭头）和皮下气肿（白色箭头），并伴有实质性混浊。（C）CT平扫的横断位和（D）冠状位图像显示了与间质性肺气肿（C中的小箭头）相关的双肺周围区域的混合磨玻璃混浊、实变和网状物，导致麦克林效应（Macklin effect）、气胸（箭头）、纵隔气肿（黑色箭头）和皮下气肿（D中的白色箭头）。注意左肺前部的空气囊肿（C中的方框）。接受机械通气和皮质类固醇治疗一个月后，患者康复出院。

与ARDS患者相比，患有COVID-19肺炎并伴有弥漫性肺泡损伤的患者更容易受到气压创伤，而非COVID-19肺炎病因。气胸和纵隔气肿是主要由气压伤引起的典型并发症，尤其是在其他肺部异常的患者中。在不需要有创机械通气的COVID-19肺炎患者中，气胸或纵隔气肿的发生率也高于预期。这些发现可能与病毒引起的肺实质脆弱有关，可能由微血管血栓形成、间质炎症和内皮屏障破坏引发。Paternoster及其同事评估了Macklin效应在胸部CT图像上预测COVID-19肺炎患者继发纵隔气肿和/或气胸的作用，Macklin效应是一种靠近支气管血管鞘的可见新月形空气集合。在5%的CT检查中有弥漫性肺泡损伤的患者中观察到了Macklin效应。Macklin效应在预测纵隔气肿和/或气胸方面的敏感性为100%，特异性为99.9%，阳性预测值为96.7%，阴性预测值为100%，准确性为99.8%。所有观察到Macklin效应的患者都出现了ARDS，需要进入重症监护室，其中90%的患者需要有创机械通气。

在CT检查呈弥漫性肺泡损伤模式的患者中，长时间呆在重症监护室、早期和不适当使用皮质类固醇、病毒诱导的免疫失调以及同时使用免疫调节药物可能会导致肺部真菌感染。其中包括COVID-19肺炎相关肺曲霉病（CAPA）（7E）和COVID-19肺炎相关肺毛霉菌病。CAPA被定义为在时间上接近先前SARS-CoV-2感染的侵袭性肺或气管支气管曲霉病。仅凭影像诊断不足以确定CAPA患者，因为严重COVID-19肺炎患者的肺部受累可能会隐藏或模拟CAPA症状（7E）。COVID-19肺炎相关肺部毛霉菌病最常见的发现是实变和空洞。然而，这些发现是基于少数病例或病例系列。正在进行或正在愈合的肺部真菌感染可能会重叠或模糊COVID-19肺炎的CT特征。

严重COVID-19肺炎患者的全身炎症、静脉血栓栓塞的易感因素以及SARS-CoV-2对内皮细胞的损伤可能导致静脉和动脉血栓栓塞。促炎细胞因子如白介素1和白介素6通过激活血小板和抑制纤维蛋白溶解促进血栓形成。64项荟萃分析 102项研究中503名COVID-19肺炎住院患者报告，总静脉血栓栓塞和肺血栓栓塞的发生率分别为15%和8%。重症监护室患者的静脉血栓栓塞发生率明显高于重症监护室（23%vs 9%）。在另一个荟萃分析中，肺血栓栓塞风险的增加高度依赖于严重的COVID-19肺炎（25%vs 15%）。在一项对3358名接受CT肺动脉造影的患者进行的国际队列研究中，COVID-19肺炎患者与非COVID-19肺炎的患者相比，肺血栓栓塞发生率相似（两组均为15%），因此建议对COVID-19肺炎患者和疑似肺血栓栓塞的患者，不需要调整标准的肺血栓栓塞诊断策略，并且可以应用普通人群中相同的D-二聚体阈值。

持续的病毒感染、炎症延迟消退和自身免疫与COVID-19肺炎持续症状相关。一份包含10项纵向研究的报告发现，疑似或实验室确诊的COVID-19肺炎持续症状超过12周的患者中，推定的COVID-19肺炎病例比例为8%至17%。中国武汉的一项队列研究报告称，68%和49%的COVID-19肺炎幸存者在症状出现后6个月和12个月分别报告了后遗症症状。

在一项比较奥密克戎和德尔塔变异株感染患者PCC发病率的研究中，分别有5%和11%的奥密克戎和Delta变异株感染者出现PCC。无论何时接种，奥密克戎变异株的PCC风险都较低（优势比，0.24-0.50）。由于PCC包括许多非呼吸性症状，已知只有一小部分PCC患者胸部有影像学异常。

55岁男性COVID-19肺炎的系列图像。（A）在SARS-CoV-2感染后4周在基底节段支气管水平获得的CT平扫（肺窗）显示混合磨玻璃混浊（GGO）的广泛和斑片状区域以及双侧肺中的巩固。（B）感染后5周获得的CT平扫（肺窗）显示GGO病变密度增加并伴有巩固。（C）感染后9个月获得的CT平扫（肺窗）显示残留微弱的GGO和网状结构。

64岁女性COVID-19肺炎的系列图像。（A）在SARS-CoV-2感染后1个月在心室水平获得的CT平扫（肺窗）显示双侧肺中下叶为主的斑片状和广泛的混合实变和磨玻璃混浊（GGO）。注意实质病变内支气管扩张的区域（框）。气胸（箭头）也出现在前面。（B）感染后12个月获得的CT平扫（肺窗）显示剩余GGO病变内扩张的支气管（框）。还注意到线性实质带（箭头）。

在Pan及其同事的一项研究中，25%的参与者在1年随访CT中显示CT异常。然而，在Luger及其同事的一项研究中，54%的患者显示CT异常。COVID-19症状出现后1年，表现出广泛的GGO，网状结构，支气管扩张，微囊变，或20%的患者出现这些组合。与1年随访中持续性CT异常相关的因素包括高龄，男性，外周血淋巴细胞减少，严重COVID-19严重程度，严重肺炎和/或ARDS。

总结迄今为止的一系列随访CT研究，大多数残余CT异常主要与先前的机化性肺炎一致，并在急性COVID-19肺炎后3或6个月内逐渐减少，但残余CT异常显示出趋势。6个月后没有大大减少（表3）。肺部异常评估至少6个月可能适合估计COVID-19肺炎的残留病变，特别是那些最初患有严重肺炎和/或ARDS的患者。目前，由于报告的最长系列随访检查不超过12个月，因此尚不能排除某些个体持续性或进行性纤维化的发展。

已经成功开发了许多深度学习方法来分析COVID-19分类，分级，分类和生存分析的各种临床任务的胸部图像。在2020年的一项包含4352次胸部CT扫描数据集的研究中，每次扫描检测COVID-19的敏感性和特异性分别为90%和96%（P<0.001）。这些结果表明深度学习模型可以帮助准确检测COVID-19肺炎，并将疾病与社区获得性肺炎和其他肺部疾病区分开来。在CT用于发热患者分诊的早期过程中，人工智能辅助分诊在受试者工作特征曲线下面积为0.95，敏感性为92%，特异性为85%，阳性预测值为79%，阴性预测值为95%。至于确定病变负荷的增加，人工智能方法的灵敏度为96%，特异性为87.5%。Lassau及其同事表明，深度学习分析为COVID-19提供了独特的预后信息，并与其他严重程度标志物（氧合，乳酸脱氢酶水平和C反应蛋白水平）相关。深度学习方法，例如人工智能驱动的量化或COVID-19患者的严重程度评分，将在COVID-19管理中越来越重要，可作为COVID-19临床过程的非侵入性预测指标。

由于显著的突变，从感染和疫苗接种中获得的可变免疫力以及改善的患者管理的组合，正在进行的COVID-19大流行在过去3年中发生了巨大变化。COVID-19肺炎的影像学表现，严重程度和结局发生了显著变化。面对SARS-CoV-2的持续突变和宿主免疫力的差异，体内其他地方先前描述的COVID-19肺炎或COVID-19相关疾病的“典型”外观可能无关。需要对全球收集的临床和影像队列中越来越多的接种疫苗和先前感染人群中的主要SARS-CoV-2变异体进行额外研究，这些研究可以帮助放射科医师了解病毒变异体与宿主免疫之间的相互作用。

在COVID-19大流行近3年之后，我们目睹了影像学对这场公共卫生危机的贡献。我们现在已经深入了解COVID-19的病理生理学，疫苗及其有用性，以及原始，突破和重复感染的成像特征。这些见解导致患者管理得到改善。重点放在对新的SARS-CoV-2变种的持续遗传监测上。尽管知识有所进步，但我们遇到了需要长期随访和护理的PCC患者。PCC的新兴知识也为放射学带来了新的动机和挑战。

家兔的肺CT（SOMATOM Force扫描，cVRT重建）

2. 年的影像医学是什么样子

在这个医生普遍倦怠的时代，我们的专业受到的影响最大。

目前的情况是不可持续的，放射学再次处于十字路口。未来几十年肯定会带来巨大的组织和运营变革，这将影响到包括放射科在内的所有医疗专业。人工智能（AI）正在成为医学领域，尤其是放射学领域的一股极为强大的力量，它可以帮助简化我们的工作流程，减少我们的工作量，同时也给我们的相关性带来挑战。技术变革的步伐正在不断加快。许多影响放射学的操作和技术发展都是由我们无法控制的外部力量推动的。影像学仍将在诊断和微创介入中发挥关键作用。作为放射科医生，我们的重点必须放在如何为医疗保健连续性增加价值上，特别是考虑到非影像的精确诊断和微创介入技术的兴起，这些技术肯定会出现在其他专业。放射科医生的活动如果仅限于图像解读，不仅会成为一种商品，而且最终可能会被淘汰。现在是积极探索和展示新方法的时候了，可以通过这些新方法做出图像解读以外的贡献。如果以正确的方式应对这一挑战，那么该专业将继续繁荣。

在最基本的层面上，放射科医生保持临床相关性的能力将取决于我们是否成为临床团队的一员。需要广泛培养介入放射学和放射治疗学。

来自麻省总医院的专家最近在Radiology上发表了一篇社论，本章社论描述了放射学科学和实践中的各种预期变化，其中一些变化几乎不可避免地出现，有些变化只有通过影像学界的远见和坚定的决心才能实现。

如何确保放射科在2040年蓬勃发展。放射科医生必须为医疗服务提供价值，特别是考虑到非影像的精确诊断和微创介入技术的兴起。仅从事图像判读的放射科医生不仅会成为一种商品，而且最终可能会被淘汰。需要广泛培养介入放射学和放射治疗学。放射科医生需要在其机构内保持强大的影响力，并继续被视为患者护理和研究的关键合作伙伴。放射科医生必须继续成为人工智能算法的守护者，并明确监督其使用。非影像的精准诊断（即“liquid biopsies”“液体活检”）将继续上升，放射学在价值等式中的地位将需要相应地发展。放射科将负责使用影像标记物进行表型分析，这些标记物可预测预后，并可大规模预测治疗反应。亚专业培训仍然非常重要，因为放射科医生的临床相关性只能通过与我们的亚专业转诊医生一样知识渊博的放射科医生来保证。医学影像的碳足迹将是环境可持续发展工作的前沿。影像技术将变得越来越多尺度、多模态和多组学。由于成像、设备、技术和机器人技术的进步，微创介入治疗的范围将继续扩大。放射治疗的增长将扩大临床医生的能力，首先“精确地观察”，然后“有针对性地治疗”。放射和核医学将在癌症诊断和治疗中发挥主导作用。计算和数据分析将越来越多地支持成像和其他诊断，以及连通性和远程医疗。当前工作流主要由患者位置驱动。工作列表是根据患者是住院患者、门诊患者还是急诊科住院患者来组织的。但随着越来越多的医疗服务在家中提供，将看到这三个患者位置之间的区别变得模糊。家庭医院项目正在增加。如果住院护理可以在家提供，我们很可能会看到更多的紧急护理也在家提供。

正如其他医疗服务将在家中提供一样，成像技术将越来越多地被带到患者身上进行自我检查。使用智能手机技术驱动的低成本传感器，由人工智能驱动的自主或半自主超声将使患者能够自行进行简单的超声数据采集，并自动重建图像。未来，其他检查可能会在当地进行，包括使用便携式设备进行平片、CT和MRI（低场强）。

由于对工作者灵活性的要求越来越高，而且需要连续覆盖，以及向城市中心以外的地区推广，家庭阅读和远程放射学将继续上升。然而，未来的放射科医生需要认真思考如何平衡远程和现场读片，以利于患者、教育和知识的交叉交流。放射科医生必须在其医疗机构中保持强大的影响力，以便他们继续被视为患者护理和研究的关键合作伙伴。

人工智能不会取代放射学，但它将深刻影响我们的相关性和工作流程。鉴于转诊医生掌握着临床信息，他们将能够比传统放射科医生更大程度地将影像学发现放在临床相关的环境中。

咨询工作的全球化与人工智能自动化相结合，将越来越多地威胁到许多白领学科。例如，巴氏试验不再需要常规的人工解释。基于机器的解释，可能在遥远的地方，已经成为常态。唯一的例外是在异常情况下，无法自动读取并需要人工干预。某些放射学检查将经历类似的演化。人工智能算法将提供全面和自主的解释。目前，大多数人工智能算法都是狭隘聚焦的，针对特定的成像特征或功能。在接下来的几年中，算法的发展将大幅扩大，包括对某些成像检查中可能出现的所有可能特征的全面评估。

算法开发将变得越来越联合，在本地数据上训练分布式算法，而不是将数据移动到安全防火墙之外。这将增加训练数据的多样性并最小化训练偏差，从而促进健康公平和算法鲁棒性。一旦一个算法被训练，它的质量将通过不断的学习来保持。由于本地数据环境的变化导致的时间退化将是最小的。放射科医生必须是这种算法的守护者，并明确地监督其使用。

正如人工智能将渗透到日常生活的各个方面一样，它将影响放射科实践的各个方面。人工智能还将通过将成像结果与其他临床指标无缝结合，实现对疾病可能性和潜在治疗结果的更大评估。放射科医生在这一连续体中的作用尚不确定。

人工智能算法的“终身学习”，包括其适应改进或新技术的能力（例如，新的MRI脉冲序列、新的放射性示踪剂），将影响下一代放射科医生的培训。人工智能与培训的融合将不断发展。至少在短期和中期，放射科医生仍将被要求监督人工智能，并在必要时否决人工智能，从而提供反馈并提高模型性能。虽然人工智能支持的培训肯定是一个很好的学习机会，尤其是当应用梯度加权类激活映射（Grad CAM）等可视化工具时，需要确保学员获得足够的知识，并且不会毫无疑问地相信算法产生的结果。为此，学员需要至少对人工智能算法设计和培训策略有基本了解，以了解人工智能算法的性能水平和局限性。

随着时间的推移，人工智能算法将使放射特征和代谢或功能信息与基因组和其他表型信息相结合，用于疾病检测和表征。这些能力很可能会超过人类单独实现的能力。为了真正利用这种人工智能增强的综合诊断方法，与病理学等其他专业的交叉培训对下一代放射科学员至关重要。

（更多内容可参见：影像诊断中的AI：现状、挑战与机遇；图像重建中的AI：The change is here；肿瘤成像AI：临床应用与挑战；人工智能的炒作之外丨算法背后与可实现的目标。

非基于影像的精确诊断（即“液体活检”）将继续上升，放射学在价值等式中的地位需要相应地发展。影像中心将从诊断中心发展到治疗计划和预测中心。放射学将负责使用成像标记物进行表型分析，这些标记物可预测预后，并可大规模预测治疗反应。

为实现最大价值创造，将继续推动亚专业化。但人工智能可能会使放射科医生获得高度亚专业化的卓越（如所谓的centaur radiologists--人类与计算机的结合）。尽管很容易想象，这种情况可能会使人工智能驱动的多面手提供亚专科医生通常看到的价值，但亚专科培训仍然非常重要，因为放射科医生的临床相关性只能通过放射科医生和我们的亚专科转诊医生一样的知识来保证。

成像检查将产生AI衍生的成像结果三维数据集。放射科医生需要确保重要发现的准确性。更重要的是，放射科医生必须确保将这些发现与相关临床场景相结合，以产生有意义和有影响的诊断。图像解释将在各种媒体中立即转换为平面语言，包括静态和动态内容以及自动电影渲染（Cinematic Rendering）图像（参见：实影渲染技术的基本原理；实影渲染技术的临床价值；实影渲染技术临床价值研究新进展（2020））。患者及其提供者将能够实时、全面地访问他们的图像和解释，可能用于对感兴趣的特征应用个人或个人AI算法。建议的后续成像或其他诊断检查将通过强大的护理协调系统进行沟通、确认，并在必要时自动安排。这些变化将进一步边缘化放射科医生，并威胁到我们的相关性，除非将自己融入护理连续体，并在机器生成的解释和建议之外增加价值。

医学成像的碳足迹将成为环境可持续性努力的前沿。将统一包含大幅降低能源消耗的技术进步。这些包括具有降低的功率要求的成像设备和阅片设备。诊断和介入放射学耗材的可再生资源将成为主流。

放射学在确保我们社会所有人口群体公平提供医疗保健方面的作用还不确定。经济压力将继续有利于向最能负担得起的人提供最优质的医疗服务。

同样，我们的领导层和治理结构中的多样性也没有得到保证。我们必须不断争取女性和其他代表性不足群体成员的平等，否则“如果你不在餐桌上，你就在菜单上”这一公理将在2040年像今天一样适用。

成像技术将变得越来越多尺度、多模态和多组学。它们将包含相关的代谢、蛋白质组学和基因组学信息。利用体内生物化学，免疫组织化学，报告基因（产生结合成像探针的受体的基因）和纳米颗粒，“智能”造影剂将成倍增加。生物工程将迅速发展，显示出改变医学实践的爆炸性潜力，对医学成像产生巨大影响。由外部能量源与生物组织的物理相互作用产生的表型数据将进入跨多个生物调控水平的多组学数据库，从而可能绕过图像形成（即指纹）的需要。在通过视觉手段最好地实现人类理解的特定情况下，例如用于手术或介入放射治疗计划，将重建图像。

由于成像、设备、技术和机器人技术的进步，微创介入的阵列将继续增长。经皮内镜成像将使介入放射科医生能够在先前为其他专业的优势领域中进行微创介入。当与多光谱光学成像相结合时，体内虚拟组织学检查可能适用于某些病理状况，可能无需进行穿刺活检。

在人工智能的推动下，介入程序将变得越来越自动化。这将使训练有素的人员能够在家中和标准医疗设施范围之外的其他地方执行一些不太复杂的影像引导程序。人工智能驱动的机器人可能会执行更复杂的程序。

随着治疗学的迅速发展，分子成像将通过基础科学研究和临床实践不断扩展。诊断治疗学（Theranostics）将诊断成像与靶向治疗相结合，以无创地确定肿瘤表型，并评估治疗的功能和分子反应。

放射治疗学将继续呈指数增长，将目前的分子成像技术与PET和SPECT技术与放射性核素治疗相结合，利用小药物、肽和抗体携带治疗性放射性核素（α、β或俄歇发射器）。放射治疗的发展将扩大临床医生首先“精准诊断”，然后“靶向治疗”的能力。虽然肿瘤学放射治疗已经包括了许多当代应用，但它在治疗各种癌症方面具有巨大的未开发潜力，考虑到其适应不同靶点的能力，并最大限度地杀死肿瘤，同时最小化副作用。

来自影像的实时反馈使临床医生能够改进患者的治疗选择，提供更早更准确的治疗反应评估，并加快药物开发。虽然通常根据临床（其次是组织病理学或分子）参数选择患者进行癌症治疗，但将放射治疗与伴随诊断（如锝99m、氟18或镓68）配对可以使临床医生在体内可视化治疗靶点的表达，确认治疗剂的存在，并可视化肿瘤负担。在肿瘤学领域，药物开发目前90%都是失败的。然而，放射性核素疗法提供了有关预期目标和放射性配体的生物分布的见解，使研究人员能够快速停止、适应或加速其实验。与传统的癌症治疗相比，这增加了这些治疗的成功率。

放射治疗学的发展和实施显然将为放射学和核医学在癌症诊断和治疗中发挥主导作用提供巨大的机会。虽然用于特定细胞的选择性和靶向诊断和治疗的放射性核素探针对癌症有巨大的前景，但它们也有潜力应用于其他患者特定疾病，包括炎症和自身免疫性疾病。要充分发挥放射医学在推进临床护理方面的潜力，就需要放射科医生和其他临床医生在核医学方面进行更广泛的交叉培训。

未来20年将给医疗保健带来前所未有的惊人变化。随着人工智能的预期增长，放射科医生将需要提供图像解读以外的附加价值。随着时间的推移，我们已经取得了巨大的创新，我们必须在影像诊断和影像引导治疗（如介入放射学和放射治疗学）方面保持创新的领先优势，以确保我们的技术进步和专业知识在未来几年继续提供价值。然而，我们必须继续接受对患者最有利的改变，在患者为中心做出的决定将永远对我们有利。放射科医生将继续塑造我们自己的命运，就像在过去100年中所做的那样。

胸部疾病影像学诊断：趋势与进展

在过去十年中，胸部疾病影像学诊断领域取得了诸多突破性进展，从成像模态、计算工具到临床应用等多个维度，为胸部疾病的诊断和治疗提供了全新的思路与方法。

计算机辅助检测（CAD）工具借助人工智能（AI）的强大力量，在提升诊断准确性和减轻放射科医生工作负担上发挥了重要作用。深度学习驱动的CAD系统运用3D卷积神经网络，相较于传统机器学习方法，在肺结节检测中特异性更高，有效降低了假阳性率。并且，该系统能够自动对肺结节进行精准分类，将其分为实性、部分实性和非实性结节，其分类结果与人类专家判断的一致性，达到了放射科医生之间观察者间的变异水平，这意味着CAD系统在标准化结节评估流程、提高分类准确性上具有巨大潜力。

使用计算机辅助检测（CAD）系统对肺结节进行自动分类。人工智能 CAD 系统（AVIEW，Coreline Soft 公司产品）可自动对结节进行分类。

影像组学通过从医学影像中提取丰富的定量数据，为肺结节评估开拓了新的方向。早期，影像组学面临可重复性的难题，不过通过体模研究，成功筛选出了在不同CT协议下都可靠的影像组学特征，并在磨玻璃结节的成像中验证了其有效性，显著增强了影像组学在临床的实用性。CT纹理分析作为其中的关键技术，在鉴别大于5mm的持续性纯磨玻璃结节性质上表现卓越。它通过分析熵、质量和均匀性等特征，诊断性能超越了传统基于大小的评估方法。从动态对比增强CT获取的纹理特征，在60 - 150秒的扫描延迟范围内变异性低，这使得纹理分析在对比增强CT中的应用更加广泛，即使扫描延迟存在差异，也能有效评估结节。

新兴的低场MRI和光子计数探测器CT（PCD - CT）技术为肺结节评估带来了新突破。低场MRI提供了无辐射的检测方式，对于≥6mm的结节检测准确性较高，其测量结果与CT具有很强的相关性。PCD - CT凭借超高的空间分辨率和先进的重建方法，在结节检测和特征描述方面表现出色。研究发现，PCD - CT在显示亚毫米结节方面优于传统的能量积分探测器CT（EID - CT）。并且，PCD - CT在测量肺结节体积时，即使在大幅降低辐射剂量的情况下，准确性依然高于EID - CT。基于体模的研究证实，基于EID - CT图像训练的结节检测CAD系统，也可应用于PCD - CT，二者的结合为结节检测和评估的进一步发展带来了希望。

肺癌成像正朝着精准医学的方向大步迈进，CT纹理分析和灌注成像成为其中的关键技术。CT纹理分析在肺癌预后预测中展现出巨大潜力，熵、偏度和平均衰减等特征，可作为不可切除的III期非小细胞肺癌患者3年总生存率的独立预测指标，而传统的肿瘤分期和组织学亚型在该预测中并无显著关联。在肺癌灌注研究中，CT灌注通过评估支气管和肺的双重血供，清晰地揭示了不同亚型非小细胞肺癌的血管特征。动态对比增强MRI结合半自动动脉输入函数分析，在评估肿瘤血管生成方面效果良好，为抗血管生成治疗的疗效判断提供了重要依据。展望未来，肺癌成像应重点发展先进成像技术和计算模型，以实现免疫治疗的个性化。通过动态对比增强CT或基于深度学习模型分析基线CT图像得到的成像生物标志物，能够预测患者的总生存率和无进展生存率，从而更精准地进行风险分层，优化肺癌免疫治疗方案。

CT纹理特征预测接受根治性同步放化疗的不可切除非小细胞肺癌患者的生存情况。（A）预测生存情况良好的例子：一个8.5cm的鳞状细胞癌肿块（TNM分期为T4N1M0，IIIA期），纹理值为熵4.286、偏度-6.873和平均衰减37.966。预测预后良好，患者在36个月时仍存活。（B）预测生存情况不佳的例子：一个6cm的非小细胞肺癌肿块（TNM分期为T2N2M0，IIIA期），纹理值为熵4.757、偏度-2.160和平均衰减62.463。预测预后不佳，患者在5个月内死亡。这些病例突出了CT纹理分析在预测肺癌患者生存情况方面的预后价值。

间质性肺疾病（ILD）的评估因成像模态的进步而更加精准有效。高分辨率CT（HRCT）依旧是ILD诊断的基石，而新技术的融入进一步提高了诊断的准确性，减少了患者接受有创检查的必要。AI驱动的工具实现了ILD分类的自动化，体积纹理分析和深度学习CAD系统（如INTACT）在ILD分类中的表现与经验丰富的放射科医生相当，有望减少甚至替代部分有创肺活检，降低患者风险。经典HRCT成像的新发现也加深了人们对ILD发病机制的理解，吸气和呼气CT成像发现，特发性肺纤维化（IPF）患者在呼气时肺实质密度显著增加，这支持了IPF发病机制中肺泡塌陷和纤维化前期硬结的理论，动态吸气/呼气成像还有望在放射学表现正常的区域预测纤维化进展，发现亚临床疾病过程。在最小强度投影图像上识别出的直角牵引支气管扩张，成为鉴别无蜂窝肺的IPF与非特异性间质性肺炎（NSIP）的重要特征，提高了诊断的精准度。

直角牵引性支气管扩张。在最小密度投影图像上可见的直角牵引性支气管扩张，在纤维化背景下，表现为单个支气管扩张突然呈90度弯折（A），或分支状支气管扩张，其分支角度接近180度（B）。这些特征有助于区分无蜂窝肺的特发性肺纤维化（IPF）和非特异性间质性肺炎（NSIP）。

PCD - CT在ILD的诊断和长期监测中优势明显，其空间分辨率高、剂量效率好。研究表明，在评估系统性硬化症相关ILD时，PCD - CT可在保证诊断性能的同时降低66%的辐射剂量。其超高分扫描模式利用小像素效应，进一步降低噪声，增强结构显示，非常适合ILD的低剂量重复随访成像。并且，PCD - CT能让放射科医生更有信心识别出网状影、磨玻璃影和马赛克征等关键影像特征，有助于区分常见的间质性肺炎（UIP）模式。低场MRI（0.55T）在ILD评估中也展现出独特价值，它可同时进行结构和功能分析。在淋巴管平滑肌瘤病的评估中，氧增强成像能发现区域性功能缺陷，T2加权成像可清晰显示囊性异常，且囊肿评分与CT结果相关性强。磁共振弹性成像在动物模型中已验证了其定量评估肺实质硬度的可行性，虽然目前MRI还不是ILD的主要诊断方式，但作为CT的补充，能提供额外的功能信息，且实现无辐射成像。未来，ILD成像应着重于量化评估，通过提高测量的可重复性和可靠性，加强与肺功能指标（如用力肺活量）的关联，明确其在评估疾病进展和预后方面的价值。

慢性阻塞性肺疾病（COPD）的研究聚焦于先进成像模态的应用和量化准确性的提升。双能量CT（DECT）成为评估COPD的重要工具，它通过氙和碘增强成像，能够量化区域通气 - 灌注不匹配情况，这一指标与肺功能测试结果紧密相关，为全面评估区域肺功能提供了更有效的手段。暗场放射成像在肺气肿的检测和分期方面表现突出，它通过测量小角度X射线散射，对肺泡结构的微观变化更为敏感。从十年前在小鼠模型中的验证，到近期在人体患者中的临床研究，都证实了其在早期诊断和分期肺气肿方面优于传统胸部X线摄影，为肺气肿的早期发现和有效监测提供了新途径。非对比增强质子MRI的功能成像在追踪肺气肿肺通气变化方面展现出潜力，在大鼠模型中的研究显示其具有可行性，但仍需在人体研究中进一步验证，以确定其临床应用价值。如果验证成功，它将成为一种无创、无辐射的评估肺气肿进展和治疗反应的新方法。

在量化准确性方面，深度学习和PCD - CT技术发挥了重要作用。基于深度学习的卷积核自适应技术应用于低剂量胸部CT，有效降低了图像噪声，提高了肺气肿量化的准确性，并且对长期死亡率具有较强的预测价值。PCD - CT在肺气肿量化上更进一步，即使在对比增强扫描中，也能通过重建虚拟单能量图像，减少对比增强的影响，实现更准确、可靠的自动化肺气肿量化评估。未来，COPD的定量分析有望进一步细化，更精确地评估肺气肿的严重程度、进展情况以及急性加重风险。动态和功能成像模态，如动态CT和肺部MRI，能够更详细地展示区域肺功能和变形情况，为深入研究疾病机制和治疗反应提供新的视角。

在肺部感染性疾病领域，COVID - 19疫情凸显了胸部CT和X线在疾病评估中的重要地位。多项研究详细描述了COVID - 19肺炎的影像学特征，如磨玻璃影、实变和小叶间隔增厚，且这些特征主要分布在双下肺。并且，结合临床因素、影像学表现和定量CT指标（如肺受累评分和平均肺密度），能够对患者进行病情分层，将COVID - 19患者分为普通、重症和危重症类别，有助于及时发现高风险病例并进行干预。AI在COVID - 19成像中发挥了不可替代的作用，深度学习模型在检测胸部X线片中的COVID - 19相关异常方面，准确性甚至高于放射科医生，有助于患者分流和早期干预。还有模型通过对数字重建X线片的训练，实现了对肺部病变的自动、准确量化，达到了专家级的诊断水平。将CT图像的影像组学特征与深度学习的多类分割和机器学习算法相结合，能够自动、精准地评估病情严重程度，使其与世界卫生组织的严重程度分级标准相匹配。在疫情期间，便携式胸部X线技术经过评估，证实了通过玻璃隔离墙进行拍摄时，能在保证诊断质量的同时，最大程度降低交叉污染风险。低场MRI的自由呼吸功能成像为感染后仍有持续症状患者的通气和灌注异常提供了有价值的信息。

结核病作为全球重大健康问题，AI辅助胸部X线摄影在其诊断中表现出色。它能够有效检测活动性结核病，并区分治疗后后遗症或潜伏性结核病，诊断性能与放射科医生或专家临床医生相当，甚至更优。目前，相关研究正致力于拓展AI在监测结核病治疗反应和检测多药耐药结核病方面的应用。

肺栓塞的诊断和管理同样受益于成像技术的进步。CT肺动脉造影（CTPA）通过改进图像重建和后处理技术，显著提高了对段及亚段栓子的检测能力，即使在血管显影不理想的情况下也能有效检测。频率选择性非线性融合（NLB）等后处理技术，相较于标准重建，提高了对比噪声比和主观图像质量。双能量CT（DECT）的应用更是为肺栓塞诊断带来了新突破，它能够重建碘灌注图和虚拟单能量成像，在40 - keV虚拟单能量成像和灌注图的辅助下，阅片者的诊断信心和准确性得到显著增强，尤其是在对比衰减不理想的情况下。在优化CTPA协议方面，通过个性化调整对比剂注射和kV设置，在保证肺动脉强化效果的同时，减少了对比剂用量和辐射剂量，提高了患者的安全性。在慢性血栓栓塞性肺动脉高压患者的治疗中，可视化和量化干预后的灌注变化成为可能，这为无创监测治疗效果提供了有力支持。

展望未来，肺栓塞研究应着重优化成像协议，开发AI驱动的诊断工具。PCD - CT与CTPA的结合，有望在提高检测准确性的同时，进一步降低辐射和对比剂剂量。将AI技术融入图像质量增强和自动检测中，能够简化临床工作流程，减轻放射科医生的工作负担，最终实现更高效、更优质的患者护理。

肺部功能成像领域也取得了显著进展。在肺灌注成像方面，基于体模的DECT碘密度（IoD）图研究验证了其在不同溶剂和DECT模式下的可靠性，为准确评估肺灌注提供了保障。双团注动态对比增强MRI通过消除剂量依赖性信号饱和，实现了对肺灌注的准确量化分析。在通气成像方面，多种模态都有新的发展。MRI的盲压缩感知算法提高了3D自由呼吸MRI的时间和空间分辨率，能够更好地成像肺容积和膈肌运动。超极化129氙MRI测量的通气缺陷百分比与肺功能测试结果相关性强，重复性好，可有效量化气道阻塞情况。基于CT的通气成像中，虽然氪增强成像的增强效果不如氙，但因其安全性高、成本效益好，在动物模型中展现出作为肺通气评估替代方法的潜力。动态胸部X线摄影利用平板探测器，为评估肺通气提供了一种辐射效率高的新方法，不过氪通气成像和动态胸部X线摄影都还需要在人体研究中进一步验证其临床适用性。

使用双能量CT（DECT）进行肺灌注成像时可靠的碘定量分析。箱线图展示了（A、B）碘相关衰减（IRA，70keV时的HU值减去虚拟平扫图像的HU值）以及（C、D）根据DECT扫描仪和溶剂的影响得出的碘密度（IoD）绝对测量误差。虽然IRA在不同的DECT扫描仪和溶剂之间存在显著差异，但IoD的绝对测量误差不受DECT扫描仪或溶剂类型的影响。扫描仪1：双层DECT，IQon光谱；扫描仪2：双源DECT，SOMATOM Force；扫描仪3：带有快速千伏切换的单源DECT，Discovery CT 750 HD。溶剂：水（W）、10%氨基酸溶液（A）、18%钙溶液（C）、20%脂质乳剂（L）。这些研究结果证实了IoD测量在不同临床场景中的可靠性。

胸部疾病影像学诊断在过去十年的发展令人瞩目，成像技术与AI的深度融合，极大地提高了疾病的检测、特征描述和监测能力，减少了患者接受有创操作的需求。展望未来，高分辨率结构成像、精准功能评估和自动化数据分析的有机结合，将为胸部疾病的个性化和动态管理提供更强大的支持，推动胸部影像学朝着更安全、更准确、更个性化的方向持续发展。

本章聚焦心血管成像领域的关键技术里程碑，深入探讨CT和MRI技术的发展历程、对比剂的创新突破，以及人工智能等前沿技术对该领域的推动作用。从早期有限的影像学技术到如今多模态、高精准的成像体系，心血管成像已实现质的飞跃，而未来技术的持续演进将进一步重塑现代医学实践。

心血管成像领域CT、MRI及对比剂发展的重要创新与事件时间线。心血管磁共振成像（MRI）的发展历程与技术突破。心血管MRI的发展根植于核磁共振（NMR）原理的临床转化，历经数十年技术革新，已成为心脏功能评估和组织表征的金标准。

20世纪70年代，Paul Lauterbur、Sir Peter Mansfield等学者奠定了MRI成像的基础，1977年首幅人体MRI图像诞生。1980年首份心脏MRI数据发布，1986年研究者利用钆基对比剂（GBCA）在动物模型中实现心肌梗死成像，开启了心肌组织评估的新纪元。

80年代末至90年代初，梯度回波 cine 技术的引入革新了心脏功能评估，实现了心功能和射血分数的精准测量。而平衡稳态自由进动（bSSFP）技术凭借强大的梯度系统支撑，成为临床心功能评估的主流方法，显著提升了图像质量和诊断效率。

心血管MRI长期受限于生理运动干扰（如心脏搏动、呼吸运动）和高场设备的局限性。近年来，自由呼吸3D数据采集技术实现了心脏和呼吸运动分辨的“5D”成像，结合运动校正算法，可在患者自由呼吸状态下生成高质量图像，尤其适用于心功能评估和延迟钆增强（LGE）成像。

无需依赖心电图（ECG）或呼吸触发的“导频音”技术通过机械运动调制发射信号，实现了心脏功能、运动及定量心肌生物标志物的精准测量，突破了传统生理同步技术的瓶颈。

高场MRI（如3T）虽能提升信噪比（SNR）和对比度噪声比（CNR），但存在场地要求高、成本昂贵及金属植入物兼容性差等问题。低场MRI（如0.55T）在人工智能（AI）辅助下，通过降噪算法实现了图像质量的优化，降低了设备成本和场地限制，为心血管MRI的普及提供了新可能。

LGE成像作为缺血性和非缺血性心肌病变诊断的基石，通过区分存活与非存活心肌，彻底改变了缺血性心脏病的评估和治疗规划。近年来，黑血（DB）LGE技术通过优化血液信号抑制，进一步提升了心肌瘢痕和心内膜下小梗死的识别精度。

21世纪初，定量组织表征技术（如T1、T2 mapping）的出现标志着心血管MRI进入精准时代。这些技术可识别纤维化、水肿、炎症等微观组织改变，已被纳入多项临床指南。T1ρ mapping等新兴技术则为心肌纤维化评估提供了补充手段，可在屏气状态下完成数据采集，拓展了定量评估的应用场景。

心血管MRI不仅关注心脏本身，还能通过4D相位对比（PC）流成像评估胸主动脉等大血管的功能特性，通过血管壁应力参数预测动脉瘤等病变的进展风险。主动脉僵硬度作为高血压等疾病的重要预后指标，可通过脉搏波速度测量或磁共振弹性成像（MRE）直接评估，为血管疾病管理提供了新工具。

心血管计算机断层扫描（CT）的技术革新。从早期的头部扫描到如今的亚毫米级全身成像，CT技术的迭代推动了心血管成像的精准化和高效化。

1971年，Godfrey Hounsfield和James Ambrose完成首例人体CT脑部扫描，图像重建耗时约48小时。1976年，电子束CT（EBCT）实现50ms级时间分辨率，为心脏CT成像奠定基础，但因应用局限未获广泛推广。

1989年，滑环技术催生的螺旋CT实现单次屏气全器官容积采集，使CT血管造影（CTA）成为可能。1998年多排CT（MDCT）问世，探测器排数从4排逐步升级至320排，实现了大范围组织的等分辨率成像和单圈扫描全器官覆盖。2005年双源CT技术通过双X射线管设计，将时间分辨率提升一倍，同时支持双能成像，开启了物质成分分析的新维度。

探测器革命：光子计数探测器CT的突破。探测器作为CT的核心部件，其技术革新直接推动成像质量的跃升。传统能量积分探测器（EID）通过闪烁体间接转换X射线能量，无法区分单个光子能量，存在空间分辨率受限、电子噪声干扰等问题。

2021年，首台双源光子计数探测器（PCD）CT获批临床应用，其半导体材料（如碲化镉）可直接转换X射线为电脉冲，脉冲幅度与光子能量成正比。PCD-CT实现了0.11mm的超高空间分辨率和0.16mm的层厚分辨率，同时通过能量阈值区分光子，消除电子噪声，天生支持多能成像。

PCD-CT在心血管成像中的创新应用。在冠状动脉成像中，PCD-CT凭借超高分辨率和减少的钙化伪影，显著提升了高钙化斑块患者的冠心病诊断准确性，可清晰评估支架管腔通畅性和斑块成分。通过虚拟单色成像（40-190keV），可灵活调节图像对比度：低 keV 成像（接近碘的k边界33keV）提升对比噪声比，减少对比剂用量；高 keV 成像降低金属伪影，优化人工心脏瓣膜和心血管植入电子设备的可视化。

PCD-CT的光谱信息支持钙化斑块虚拟去除、心肌细胞外容积（ECV）量化及虚拟平扫钙评分，为心肌纤维化和瓣膜钙化评估提供了新方法。最新技术已实现心电门控下超高分辨率与光谱模式的同步采集，进一步拓展了心血管成像的可能性。

对比剂的创新与安全应用是心血管成像质量的重要保障，其发展历程始终围绕提升效能、降低风险展开。

1983年，首个细胞外钆基对比剂（GBCA）钆喷酸葡胺（Gd-DTPA）获批，通过缩短组织T1弛豫时间增强图像对比度。GBCA分为线性和大环类，后者通过笼状结构稳定钆离子，降低游离钆释放风险。

2000年发现的肾源性系统性纤维化（NSF）与线性GBCA相关，促使指南推荐低风险的大环类GBCA。2019年钆布醇获批用于心肌灌注和LGE评估，而新型高弛豫率大环类GBCA（如Gadoquatrane、Gadopiclenol）可在低剂量（0.04-0.05mmol/kg）下实现优异成像效果，减少钆暴露。未来，靶向对比剂和无钆对比剂的研发将进一步提升MRI的特异性和安全性。

碘基对比剂（ICM）是CT成像的核心，全球每年约3亿次CT检查中40%需使用ICM。20世纪80年代，低渗非离子型对比剂（LOCM）凭借更低的不良反应率（3.1% vs 高渗离子型的12.7%）和更好的患者耐受性，逐步替代高渗对比剂（HOCM），成为临床主流。

对比剂的优化应用聚焦于个体化方案：根据患者体重调整剂量、流速，结合低管电压扫描（如70-80kVp）提升对比度；通过“碘流率”和“总碘负荷”优化血管和器官成像。2022年ICM全球短缺事件凸显了供应链脆弱性，推动了低剂量方案和环境友好型对比剂的研发。PCD-CT的能量成像为对比剂优化提供新策略，如“1-2-3规则”平衡对比度与钙化伪影，进一步减少碘用量。

过去60年，心血管成像实现了从有限解剖显示到精准功能与组织表征的飞跃：CT空间分辨率达亚毫米级，MRI成为心功能评估金标准，对比剂安全性和效能持续提升，AI技术则在图像重建、运动校正和量化分析中发挥关键作用。

未来，随着低场MRI技术的成熟、PCD-CT的普及以及AI与多模态成像的深度融合，心血管成像将更精准、高效且可及。靶向对比剂、无对比剂成像及功能参数量化将进一步揭示病理生理机制，为心血管疾病的早期诊断和个性化治疗提供更强支撑。

行业会议与设备评奖

Minnie Award的评选过程是基于AuntMinnie.com会员的提名，然后通过一个由放射学知名专家和AuntMinnie.com编辑组成的小组进行两轮投票来选出获奖者。这个奖项旨在表彰在放射学设备领域做出杰出贡献的公司和产品。以下是截至目前所有的最佳新放射学设备奖的最终获得者：

BodyTom 64 point-of-care 移动CT扫描仪, NeuroLogica。NAEOTOM Alpha, Siemens Healthineers。Spectral CT 7500 能谱CT扫描仪, Philips。SOMATOM On.site 便携式床旁CT扫描仪, Siemens Healthineers

比如，2023年的最佳新设备是NeuroLogica的BodyTom 64，这是一款便携式CT扫描仪。以下我们简要分析一下各个制造商出现的次数和产品特点：

包括光子计数CT NAEOTOM Alpha、SOMATOM系列的CT扫描仪（包括On.site便携式头部CT扫描仪、go系列、Force、Definition Flash、Definition双源CT扫描仪等）、MAGNETOM Terra 7T MRI扫描仪、Biograph mMR PET/MRI扫描仪、Biograph 64 PET/CT扫描仪和Antares超声扫描仪。

包括Adaptive imaging receive (AIR) 柔性MRI射频线圈、LightSpeed系列的CT扫描仪（包括VCT 64层CT扫描仪和16层CT扫描仪）和Discovery ST移动PET/CT扫描仪。

Aquilion One Vision 640层CT扫描仪。Carestream Health (2次)。包括OnSight 3D四肢成像CT扫描仪和DirectView系列CR乳腺X线摄影系统。

OnSight 3D extremity imaging。NeuroLogica、Philips、Butterfly Network、Ultrasonix Medical、Accuray和Instrumentarium (各1次)。包括BodyTom 64 移动CT扫描仪、Spectral CT 7500 CT扫描仪、Butterfly iQ个人超声扫描仪、SonixEmbrace、CyberKnife VSI 放疗系统和Diamond 2000介入乳腺X线摄影系统。这些产品展示了这些公司在各自领域的技术实力和创新能力。回望过去24年的最佳新设备，可以发现几个有意思的现象：

从2000年到2023年，可以看出设备的性能和功能在不断提升。例如，双源CT技术共获得了四次最佳新设备奖，显示了设备的巨大进步。

并且，也反映了市场竞争的日趋激烈。这个列表中，Siemens Healthineers、GE Healthcare等公司多次获奖，显示了他们在影像设备领域的竞争优势。并且，也有一些新的公司如Butterfly Network等通过创新产品获得了认可，这表明了市场的竞争激烈和多元化。

个性化和便携化也是影像设备发展的一个趋势。例如，今年获奖的BodyTom 64是一款便携式CT扫描仪；SOMATOM On.site是一款床旁CT扫描仪；Butterfly iQ是一款个人超声扫描仪。这些设备的出现反映了医疗设备向个性化和便携化的发展趋势。

据可靠消息，一种新的双源CT技术即将于2023年11月16日发布。

近日Minnies 2023 最佳放射图像奖揭晓。

获奖者是一幅来自德国弗莱堡大学的学者在光子计数 CT 扫描仪上对一名 85 岁男性进行经导管主动脉瓣置换术前的超高分辨率 (UHR) 冠状动脉 CT 血管造影 (CCTA)。

光子计数 CT (PCCT) 是过去几年放射学领域最重要的技术进步之一。今年 6 月，《Radiology》杂志发表了一幅获奖图像，该图像来自一项评估超高分辨率 PCCT 在高危人群中检测冠状动脉疾病 (CAD) 性能的研究。

该图像展示了超高分辨率光子计数探测器冠状动脉 CT 血管造影 (CCTA) 即使在复杂的病人情况下也能准确评估冠状动脉的能力。

超高分辨率（UHR）冠状动脉 CT 血管造影术（CCTA）在经导管主动脉瓣置换术前对一名 85 岁的老人进行了检查。尽管右冠状动脉中安装了支架，而且冠状动脉硬化非常严重，Agatston 评分高达 4,162 分，但冠状动脉的诊断可视化仍然成功，CT 图像排除了阻塞性冠状动脉疾病。（A）心脏cVRT重建。右冠状动脉中段可见支架（箭头）。(B) 0.2 mm 横断位 UHR CCTA。严重钙化的左前降支动脉远端管腔（箭头）可在无伪影的情况下进行评估。(C)右冠状动脉的CPR重建，诊断性显示支架管腔（箭头）。（D）侵入性冠状动脉造影排除支架内狭窄。

在这例 85 岁男性经导管主动脉瓣置换术（TAVR）前转诊 CTA 的特殊病例中，尽管存在广泛的冠状动脉硬化（Agatston-Score 4162）和右冠状动脉中的支架，仍能无创排除阻塞性 CAD。由于β受体阻滞剂和三硝酸甘油酯的禁忌症，TAVR候选者的无创CAD排除尤其具有挑战性。

研究人员发现这种成像方法成功地解决了与CCTA相关的长期难题。

对于高风险的 TAVR 候选者，常规的做法是进行有创血管造影以排除并存的 CAD。然而，作者的研究表明，[超高分辨率光子计数探测器CCTA]是一种高度可靠和有效的无创替代方法。可以克服以前的局限性（如严重钙化、先前的支架植入）。这有可能拓宽心脏 CTA 的应用范围，使其可用于更广泛的患者"。

研究结果还表明，光子计数CT在心脏成像及其他领域有着广阔的前景。

这项技术仍处于早期阶段，随着研究和开发的不断深入，预计会在减少辐射暴露、进一步提高图像质量以及将光谱功能纳入超高分辨率成像等方面取得进展。鉴于光子计数 CT 的良好效果和在其他领域的广泛应用，它很有可能得到更广泛的采用。

— 感谢阅读 —
# 医学影像技术

一起交流

分享你的思考，让讨论更进一步。