深度学习算法在乳腺癌筛查中的应用 学术背景 乳腺癌是全球女性中最常见的癌症之一，早期筛查对于提高治愈率至关重要。传统的计算机辅助检测（Computer-Aided Detection, CAD）系统在乳腺X线摄影筛查中已被广泛使用，尤其是在美国。然而，这些系统虽然提高了召回率，但对读者（即放射科医生）的表现改善有限。近年来，深度学习（Deep Learning, DL）算法在医学影像分析中的应用迅速增长，特别是在乳腺癌筛查领域。多项系统综述和荟萃分析表明，自2017年以来，DL算法在乳腺X线摄影筛查中的证据迅速增加。尽管一些研究表明，DL算法作为单一读者时表现不逊于人类读者，但目前尚无独立算法能够在保持可接受召回率的同时，优于标准的双阅读系统。因此，DL算法目前还无法完全取代人类读者在双阅读...

大型语言模型在翻译CT和MRI自由文本放射学报告中的能力 学术背景 在全球化的背景下，患者的流动性增加，放射学报告作为疾病诊断和管理的重要工具，常常需要被翻译成不同的语言。然而，语言障碍可能会影响这些报告的有效使用，进而影响患者的及时和准确管理。随着远程医疗的兴起，患者越来越多地寻求远程专家咨询或第二意见，这进一步加剧了语言障碍的挑战。如果没有准确的翻译，这些报告可能会被误解或忽视，导致诊断延迟和潜在的错误。 由于具备医学专业知识的人工翻译并不总是随时可用，基于人工智能的模型，特别是大型语言模型（LLMs），提供了有前景的替代方案。尽管这些模型最初是为通用语言处理任务设计的，但它们在翻译等应用中也展示了良好的效果。然而，LLMs在翻译放射学报告方面的能力尚未得到充分探索，尤其是在处理低资源语...

数字乳腺断层合成（DBT）筛查中顺序阅读的读者性能变化研究 学术背景 乳腺癌是全球女性中最常见的癌症之一，早期筛查对于提高治愈率至关重要。传统的乳腺X线摄影（Digital Mammography, DM）是乳腺癌筛查的主要手段，但其在检测乳腺组织重叠区域的病变时存在一定的局限性。近年来，数字乳腺断层合成（Digital Breast Tomosynthesis, DBT）技术逐渐成为乳腺癌筛查的重要工具。DBT通过生成乳腺的三维图像，能够更清晰地显示乳腺组织，减少组织重叠带来的误诊和漏诊。多项临床观察研究表明，DBT在乳腺癌筛查中的表现优于传统的DM（1-6）。因此，许多医疗机构已经大量投资于DBT设备的引进和升级。 然而，随着DBT在筛查中的广泛应用，研究者们开始关注影响筛查性能的因素，...

5T与3T心肌延迟增强MRI在心肌纤维化评估中的对比研究 学术背景 心肌纤维化是多种心脏疾病的共同病理特征，准确评估心肌纤维化对于疾病的诊断、治疗和预后具有重要意义。心脏磁共振成像（Cardiac MRI）是目前评估心肌结构和功能的重要手段，尤其是延迟钆增强（Late Gadolinium Enhancement, LGE）技术，能够精确显示心肌纤维化的区域。LGE技术的原理是基于心肌纤维化区域细胞外间隙增大和毛细血管密度降低，导致钆对比剂在纤维化区域的滞留时间延长。 近年来，超高场强MRI设备逐渐进入市场，尤其是5T MRI设备，相较于传统的3T MRI，其在组织对比度和信噪比（Signal-to-Noise Ratio, SNR）方面具有潜在优势。然而，超高场强MRI在心脏成像中也面临诸...

人工智能解释类型对医生诊断表现和信任的影响 学术背景 近年来，人工智能（Artificial Intelligence, AI）在医疗保健和放射学领域的诊断系统发展迅速，尤其是在辅助超负荷工作的医疗提供者方面，AI系统展现了改善患者护理的潜力。截至2022年，美国食品药品监督管理局（FDA）已批准了190个放射学AI软件程序，且批准率逐年上升。然而，AI从概念验证到实际临床应用的整合仍存在巨大鸿沟。为了弥合这一差距，培养对AI建议的适当信任至关重要。尽管高准确性的AI系统已在真实临床环境中证明了其提升医生诊断表现和患者结果的能力，但错误的AI建议可能会降低诊断表现，这无疑导致了AI在临床中的延迟应用。 医生们呼吁AI工具应具备透明性和可解释性。在医学影像领域，AI工具可以提供两类解释：局部解...