目的 探讨基于深度学习超声影像组学列线图预测浸润性乳腺癌Ki-67表达水平的价值。 方法 回顾性单中心收集2024年1～12月蚌埠医科大学第一附属医院经病理证实的465例浸润性乳腺癌患者的术前完整的临床资料及超声图像。图像采集采用迈瑞Resona 7、三星HS60彩色多普勒超声诊断仪。根据免疫组化结果分为Ki-67高表达组及低表达组，按7∶3的比例随机分为训练组（n=326）及验证组（n=139）。采用ITK-SNAP软件从二维超声最大切面图像分割肿瘤，ICC评估ROI勾画一致性。采用Pyradiomics提取肿瘤组织的超声影像组学特征，并对四种深度学习网络进行预训练，分别构建临床模型、超声组学模型、融合模型及联合建立列线图模型；采用ROC曲线、校准曲线和决策曲线评估模型的诊断效能和临床应用价值。 结果 最终得到19个最佳超声组学特征及DenseNet121深度学习模型最佳，临床模型、超声组学模型、深度学习模型、融合模型及列线图在训练组中的曲线下面积分别为0.79（95% CI：0.74~0.84）、0.85（95% CI：0.81~0.90）、0.87（95% CI：0.83~0.91）、0.94，在验证组中的曲线下面积分别为0.76（95% CI：0.68~0.84）、0.78（95% CI：0.70-0.85）、0.81（95% CI：0.74-0.88）、0.91（95% CI：0.86-0.96）及0.93（95% CI：0.89-0.98）。 结论 基于深度学习的超声影像组学预测模型能够有效地预测侵袭性乳腺癌中的Ki-67表达。

目的 比较使用不同体素大小的非增强磁共振肺动脉血管成像（MRPA）的图像质量。 方法 收集2020年9~10月在我院行非增强MRPA检查的健康志愿者29例，分别采集两组图像：第一组体素为1.2 mm×1.2 mm×4 mm，第二组体素为2 mm×2 mm×2 mm，其余扫描参数未进行更改。由2位影像科医师对两组冠状位原始图像及轴位重建图像进行图像质量评价，并比较两组图像的质量。 结果 在冠状位原始图像上，肺动脉主干、左肺动脉干、右肺动脉干的图像质量评分分别为：第一组：3（3，3）、3（3，3）、3（3，4）；第二组：2（2，3）、2（2，3）、2（3，3），第一组肺动脉主干、左肺动脉干、右肺动脉干的主观图像质量均好于第二组（P<0.05）。但两组冠状位图像在信号噪声比（SNR）、对比噪声比（CNR）差异均无统计学意义（P>0.05）。在轴位重建图像上，两组肺动脉主干、左肺动脉干、右肺动脉干的主观图像质量评分分别为2（2，3）、1（1，2）、1（2，2）及1.5（2，2）、2（2，3）、2（2，3），第二组左、右肺动脉干的主观图像质量好于第一组（P<0.05），两组肺动脉主干的主观图像质量差异无统计学意义（P>0.05），但第一组轴位重建图像的不同部位肺动脉的SNR、CNR均高于第二组（P<0.05）。冠状位图像SNR、CNR均明显高于轴位图像（P<0.05）。 结论 体素为1.2 mm×1.2 mm×4 mm的层面内分辨率较高的非增强MRPA的原始冠状位图像质量更优，而体素为2 mm×2 mm×2 mm的各向同性的轴位重建图像主观图像质量更好。

目的 探讨超高频超声在面神经颅外段探查的可行性，描述颅外段面神经的正常超声表现及超声测值，并研究其影响因素。 方法 采用超高频超声对2023年2月10日~3月1日在四川大学华西医院招募的70例健康志愿者的双侧颅外段面神经进行探查，研究测量的一致性，比较左右两侧面神经不同位点的直径、周长及可视长度的差异，探究不同性别、年龄、BMI、职业相关用嗓时间、测量位点是否影响面神经。 结果 面神经颅外段超声测量组间及组内相关系数均>0.75，双侧颅外段面神经的直径、周长及可视长度差异均无统计学意义（P>0.05），且受测量位点、性别、年龄、BMI的影响不明显（P>0.05）；每日短时间用嗓组面神经周长低于长时间用嗓组（P<0.05）。 结论 超高频超声测量颅外段面神经的直径、周长及长度具有良好可重复性，且部分测值测值受职业相关用嗓时间影响。

目的 探讨3.0T MRI T2 mapping与扩散张量成像（DTI）技术在2型糖尿病周围神经病变（DPN）诊断的价值。 方法 前瞻性纳入2021年1月~2024年4月住院治疗的42例DPN患者（DPN组）及29例健康对照（HC组）。所有受试者均在3.0T MRI下行下肢神经T2 mapping、DTI及全身扩散成像结合背景抑制技术扫描，测量两组受试者的坐骨神经和胫神经T2值、DTI定量参数，以及股四头肌T2值、坐骨神经与同层面股四头肌T2比值、坐骨神经及胫神经横截面积并比较组间差异，并通过ROC曲线分析评估各参数的诊断效能。 结果 DPN组与HC组比较，坐骨神经和胫神经的T2值、AD、RD升高（P<0.001），FA、RA降低（P<0.001）。DPN组内比较显示，坐骨神经与胫神经的T2、FA、RD、RA值差异有统计学意义（P<0.05），AD值的差异无统计学意义（P>0.05）。HC组内比较，坐骨神经和胫神经的T2值和DTI各参数间差异均无统计学意义（P>0.05）。DPN组股四头肌的T2值及坐骨神经与相应肌肉的T2比值均高于HC组（P<0.05）。两组间坐骨神经及胫神经横截面积的差异有统计学意义（P<0.05）。ROC曲线分析显示，坐骨神经和胫神经T2值曲线下面积分别为0.864和0.726；DTI参数中的FA值ROC曲线下面积分别为0.825和0.800；T2值联合FA曲线下面积分别为0.895和0.822。 结论 3.0T MRI T2 mapping联合DTI技术可有效定量评估2型糖尿病周围神经病变，T2值与FA值的联合诊断模型对2型糖尿病周围神经病变诊断效能更高，可有效显示股四头肌的脂肪浸润及水分含量变化及评估DPN患者下肢神经的形态学改变，为DPN的早期诊断和病情评估提供了可靠的影像学依据。

目的 评估超声衍生脂肪分数（UDFF）与非增强多层螺旋断层扫描（MSCT）CT值之间的关系，以通过UDFF来估算肝脏脂肪含量。 方法 前瞻性招募2024年2~6月在北京清华长庚医院就诊的140例患者，按照入院时间的先后将前110例患者作为实验集，后30例患者作为验证集。所有患者在7 d内完成超声检查及上腹部MSCT扫描。实验集患者分为正常组（肝脏脂肪含量<5.0%）68例、轻度脂肪肝组（肝脏脂肪含量≥5.0%且<10.0%）30例、中重度脂肪肝组（肝脏脂肪含量≥10.0%）12例。通过ROI测量肝右叶UDFF和CT值。分析UDFF与CT值的相关性，比较不同程度脂肪肝组间UDFF与CT值；采用ROC曲线评估UDFF对不同程度脂肪肝的诊断效能。 结果 在实验集中，UDFF与CT值呈强负相关关系（r=-0.738，P<0.001），且组间比较差异有统计学意义（P<0.001）。中重度脂肪肝组UDFF高于轻度脂肪肝组及正常组UDFF（P<0.001）。UDFF诊断轻度脂肪肝的曲线下面积为0.661（P=0.011、95% CI：0.536~0.785），敏感度为43.3%，特异度为85.3%，临界值为6.1%，UDFF诊断中重度脂肪肝的曲线下面积为0.921（P<0.001、95% CI：0.809~1.032），敏感度为91.7%，特异度为93.3%，临界值为10.4%。在验证集中，UDFF诊断轻度脂肪肝的准确度为71.4%，敏感度为57.1%，特异度为76.2%；诊断中重度脂肪肝的准确度为88.9%，敏感度为100.0%，特异度为85.7%。 结论 在脂肪肝定量诊断中，UDFF与CT值具有较高相关性，且对于诊断中重度脂肪肝的准确性较高。

目的 构建一种基于深度学习的小肝癌磁共振影像超分辨重建模型，通过联合优化高频细节与解剖合理性，提升小肝癌病灶的影像细节可视性，提升小肝癌扩散加权成像（DWI）检查的图像质量及临床应用价值。 方法 回顾性分析2022年12月~2024年6月我院300例小肝癌患者的3 mm DWI数据。采用GE Discovery750 3.0 T扫描仪采集图像，按8∶2比例随机分为训练集（n=240）和测试集（n=60）。构建双分支超分辨模型：内容分支通过级联梯度Transformer块提取全局特征，梯度分支通过梯度Transformer块增强结构信息；创新性引入：（1）交叉局部增强自注意力模块，以优化块内像素特征与全局上下文信息的交互；（2）通道-空间联合注意力层，通过动态权重分配增强关键解剖结构的可视性。由3名高年资放射科医师采用5分制Likert量表对原始弥散加权成像（ORDWI）和超分辨弥散加权成像（SRDWI）进行盲法评分，同时计算峰值信噪比、结构相似度等客观指标。 结果 SRDWI的主观评分优于ORDWI：肝结节信号特异性（3.41±0.53 vs 2.47±0.50）、正常肝实质均匀性（3.29±0.47 vs 2.78±0.42）、伪影干扰程度（2.56±0.52 vs 2.47±0.48）及整体图像质量（3.15±0.49 vs 2.67±0.48）上的主观评分优于ORDWI（P<0.001）。图像噪声水平（3.98±0.61 vs 2.87±0.46）超分后略有增加（P<0.05），但仍在临床可接受范围内，不影响关键特征的判读。客观指标显示SRDWI的峰值信噪比（34.65489 dB）和结构相似度（0.903 65）均表现优异。 结论 该深度学习模型可显著提升3 mm-DWI图像质量，使薄层DWI的诊断效能接近常规厚层扫描水平，为小肝癌精准诊断提供技术支持。

目的 探讨深度学习重建（DLIR）算法优化低kV头颈CT血管成像（CTA）图像质量的应用价值。 方法 分析2024年10月~2025年2月在陕西中医药大学附属医院行头颈CTA检查的患者60例，采用80 kV、智能毫安（50~400 mA），对比剂用量40 mL，流速4 mL/s，对比剂注射时间10 s进行扫描。扫描结束后分别重建40%自适应迭代重建算法-V（ASIR-V40%）、低水平深度学习重建算法（DLIR-L）、中等水平深度学习重建算法（DLIR-M）、高水平深度学习重建算法（DLIR-H）图像。测量主动脉弓、双侧颈总动脉开口上方2 cm、椎动脉V1段、基底动脉近心端、大脑中动脉M1段及颞肌的CT值和SD值，并计算信噪比（SNR）和对比噪声比（CNR）。由2位影像科医生采用5分法对图像进行双盲法主观评分。比较4种不同重建算法血管SD值、CT值、CNR值及SNR值和主观评分。 结果 各血管CT值在4种重建算法之间的差异无统计学意义（P>0.05）。随着ASIR-V40%、DLIR-L、DLIR-M、DLIR-H重建水平逐渐增高，4种图像SD值呈依次降低趋势，CNR和SNR呈增高趋势，其中DLIR-H的SD值最低、CNR和SNR最高，且DLIR-L、DLIR-M、DLIR-H重建SD、SNR、CNR值与ASIR-V40%间的差异均有统计学意义（P<0.05）。与ASIR-V40%相比较，DLIR-H重建图像主动脉弓、颈总动脉开口上方2 cm、椎动脉V1段、基底动脉近端、大脑中动脉M1段的SNR和CNR分别提高约69.0%、48.3%、48.3%、51.6%、56.4%和68.0%、55.9%、48.2%、51.6%、56.6%，SD值分别降低了约40.2%、35.8%、30.6%、33.2%、35.3%，DLIR-H、DLIR-M及DLIR-L主观评分均高于ASIR-V40%（P<0.05）。 结论 在头颈CTA血管成像中，与ASIR-V40%比较，DLIR重建可以进一步降低图像噪声，提高图像质量，因此DLIR算法可用于提升低kV头颈CTA的图像质量。

目的 探讨超声造影（CEUS）特征与能谱CT定量参数联合预测肾透明细胞癌世界卫生组织/国际泌尿病理协会（WHO/ISUP）分级的价值。 方法 回顾性分析2019年6月~2024年9月山西医科大学第一医院经手术病理确诊的115例肾透明细胞癌（ccRCC）患者，依据病理WHO/ISUP分级分为低级别组（1~2级，n=79）和高级别组（3~4级，n=36），所有患者术前均行CEUS及能谱CT检查。采用单因素分析比较两组患者的CEUS特征及能谱CT定量参数，筛选出有统计学意义的特征参数并构建logistic回归分析模型，计算回归模型ROC曲线下面积并比较模型预测ccRCC WHO/ISUP分级的效能。 结果 单因素分析显示，CEUS特征包括造影剂灌注方式、增强均匀性、病灶周边环状高增强、造影后病灶边界、形态和造影前、后病灶范围的差异均有统计学意义（P<0.05）。能谱CT定量参数包括病灶横径、皮髓质期CT值、皮髓质期碘浓度和皮髓质期标准化碘浓度的差异有统计学意义（P<0.05）。多因素logistic回归分析显示，CEUS特征、能谱CT定量参数模型的敏感度为0.639、0.889，特异度为0.848、0.785，准确度为0.774、0.809，AUC为0.797、0.874。两者联合模型敏感度为0.917，特异度为0.810，准确度为0.852，AUC为0.893。 结论 CEUS特征联合能谱CT定量参数可较为准确地预测肾透明细胞癌WHO/ISUP分级，为临床精准治疗提供支持。

目的 通过对MRI成像数据进行特征提取与筛选，建立影像组学及传统MRI影像学诊断模型，寻找对卵巢囊腺瘤（OCA）与卵巢囊腺癌（OCAC）诊断价值最高的模型。 方法 回顾性分析2020年1月~2024年12月于蚌埠医科大学第一附属医院经病理证实术前接受MRI增强扫描的OCA及OCAC患者共173例，其中OCA患者82例，OCAC患者91例。基于传统MRI影像学特征，对OCA与OCAC诊断预测因子行单因素及多因素回归分析，建立诊断模型并进行效能分析。按照7∶3将所有患者随机分为训练组（n=121）及测试组（n=52），在联影智能科研平台上勾画T1WI增强、T2WI序列感兴趣区（ROI），将提取到的影像组学特征经最大最小归一化、Select K Best、最小绝对收缩和选择算子回归（LASSO）算法进行降维并筛选出最优特征，利用逻辑回归分别建立T1WI增强、T2WI及T1WI增强+T2WI诊断模型，通过ROC曲线下面积、校准曲线、决策曲线评价模型的诊断效能。 结果 基于MRI影像组学T1WI增强+T2WI模型（AUC=0.886）的诊断效能高于单独T1WI增强、T2WI及传统影像学预测模型。 结论 基于MRI影像组学的诊断模型，可以有效地诊断OCA与OCAC，对于患者的临床治疗方案具有指导意义。

目的 探讨多模态MRI与乳腺X线摄影（MG）影像组学模型预测乳腺癌腋窝淋巴结（ALN）转移的价值。 方法 回顾性纳入2021年1月~2024年5月来自徐州市中心医院和淮安市第一人民医院的575例乳腺癌患者。通过比较ALN转移阳性组（n=259）与阴性组（n=316）的临床指标，筛选出2个与ALN转移相关的临床因素（P<0.05）：临床T分期和淋巴结触诊。基于动态对比增强MRI（DCE-MRI）和MG图像的病灶分割，提取并筛选保留24个非零系数特征，构建了3个随机森林模型，分别基于MRI肿瘤区域（MRI_Tumor）、MRI淋巴结区域（MRI_LN），MG肿瘤区域（MG_Tumor），以上3个模型结合得到无临床因素影像组学模型（All_Imaging_Fusion），结合临床T分期及淋巴结触诊，最终构建多模态影像组学模型（All_Imaging+Clinical_Fusion）。 结果 多模态影像组学模型在训练集、内部验证集和外部验证集中的曲线下面积（AUC）分别为0.943、0.931和0.911，优于单一影像模态模型（P<0.05），其他预测效能值也显示出其优越性。决策曲线分析表明该模型具有较高的临床净收益。 结论 融合DCE-MRI、MG的影像组学特征和临床因素的多模态影像组学模型可无创、高效预测ALN转移，为个体化治疗提供新思路。

目的 分析复发性肛瘘的MRI影像学特征及危险因素。 方法 回顾性分析2016年5月~2025年5月于安徽中医药大学第一附属医院行手术治疗的120例肛瘘患者的临床资料，根据患者肛瘘发生情况分为复发组（n=40）和初发组（n=80），对比分析2组的MRI影像特征和一般资料，采用多因素logistic回归分析复发性肛瘘的影响因素。 结果 复发组高位肛瘘、瘘管数目>1个、病程>1年、有肛肠手术史患者比例高于初发组（P<0.05）。多因素logistic回归分析显示，高位肛瘘（OR=1.471，95% CI：1.177~1.839）、瘘管数目>1个（OR=1.527，95% CI：1.209~1.928）、病程>1年（OR=1.508，95% CI：1.221~1.864）、有肛肠手术史（OR=1.496，95% CI：1.201~1.864）是复发性肛瘘的危险因素（P<0.05）。 结论 复发性肛瘘具有一定的MRI影像学特征，且肛瘘位置、瘘管数目、病程、肛肠手术史均是影响复发性肛瘘的因素，应针对上述因素制定针对性的防控措施，以降低术后复发的风险。

目的 探讨深度学习重建（SupMR）在优化头颅扩散加权成像（DWI）扫描时间、信噪比（SNR）及结构相似度中的应用价值。 方法 于2024年12月~2025年1月在扬州大学附属医院前瞻性连续招募健康志愿者40例，均接受低激励次数（LN-DWI组）和常规DWI（C-DWI组）序列的头颅扫描。对LN-DWI图像采用SupMR进行后处理，生成Sup-DWI图像，并记录成像时间。分别对3组图像进行评估，包括主观评分以及客观评价［感兴趣区信噪比、对比噪声比（CNR）、表观扩散系数（ADC）、峰值信噪比（PSNR）及结构相似性指数（SSIM）］。采用组内相关系数（ICC）分析3组图像ADC值的一致性和2名医师主观评分观察者内及观察者间的一致性。 结果 与C-DWI组相比，Sup-DWI组扫描时间缩短了52%。一致性分析结果显示2名医师观察者内及观察者间一致性良好（ICC>0.75），两组间脑实质各区域ADC值一致性良好（ICC>0.75）。主观评分分析结果显示3组间差异有统计学意义（P<0.05）；两两比较显示Sup-DWI组与C-DWI组差异无统计学意义（P>0.05）。客观评估分析结果显示3组间SNR、CNR差异均具有统计学意义（P<0.05）；两两比较显示SNR及CNR差异均有统计学意义（P<0.05）。PSNR、SSIM值Sup-DWI组均大于LN-DWI组，差异有统计学意义（P<0.05）。 结论 SupMR技术能够显著缩短DWI扫描时间，优化图像质量，有助于提高检查效率。

目的 探究胸部CT联合血清学指标包括超敏C反应蛋白（hs-CRP）、D-二聚体（D-D）、降钙素原（PCT）对重症肺炎患者预后的预测价值。 方法 选取2020年11月~2024年8月南通市第六人民医院收治的重症肺炎患者80例作为重症组，另取普通肺炎患者60例为普通组，均接受胸部CT平扫，并测定hs-CRP、D-D、PCT水平。重症患者根据28 d生存情况，分为病死组（n=29）和存活组（n=51）。对比各组CT评分、hs-CRP、D-D、PCT，并评价其对重症患者预后的预测价值。 结果 重症组患者CT评分、hs-CRP、D-D及PCT水平高于普通组（P<0.05）。病死组入院时APACHE Ⅱ评分、感染菌种≥2种、存在意识障碍、并发脏器功能障碍≥3个、并发感染性休克以及接受机械通气比例、CT评分、hs-CRP、D-D及PCT水平均高于存活组（P<0.05）。入院时高APACHE Ⅱ评分、并发脏器功能障碍≥3个、高CT评分是重症肺炎患者28 d预后（病死）的独立危险因素（P<0.05）。CT评分、hs-CRP、D-D、PCT预测重症肺炎患者预后的曲线下面积（AUC）分别为0.714（95% CI：0.592~0.836）、0.686（95% CI：0.564~0.808）、0.727（95% CI：0.607~0.847）、0.734（95% CI：0.619~0.850），上述指标联合预测的AUC为0.886（95% CI：0.809~0.964），分别高于单一指标（P<0.05）。 结论 胸部CT联合hs-CRP、D-D及PCT可有效预测重症肺炎患者预后。

目的 探讨增强CT测定的细胞外体积分数（ECV）在胃癌病理分级中的预测价值。 方法 对2023年1月~2024年10月期间在宁夏医科大学总医院行手术及病理证实且术前行CT增强扫描的50例胃癌患者进行分析。记录患者各期CT值（平扫期、动脉期、静脉期、平衡期），得到增强扫描动脉期CT绝对值ΔS1=HU_动脉期-HU_平扫期，静脉期CT绝对值ΔS2=HU_静脉期-HU_平扫期，平衡期CT绝对值ΔS3=HU_平衡期-HU_平扫期。通过测量感兴趣区域平扫及平衡期CT值计算原发病变的ECV。根据胃癌的组织学分级将患者分为低级别组和高级别组，评估两组间参数的差异，采用ROC曲线评价诊断效率。 结果 纳入的50例患者［高级别组17例（34.0%），低级别组33例（66.0%）］平均年龄为62.54岁。动脉期（P=0.002）、ΔS1（P=0.002）、ΔS3（P=0.017）、ECV（P<0.001）与病理分级间的差异有统计学意义。ROC曲线显示，ECV评价胃癌病理分级的效果最佳，曲线下面积为0.785（95% CI：0.646~0.924），诊断阈值为29.1%，敏感度为94.1%，特异度为36.4%。 结论 通过术前增强CT获得ECV值有助于预测胃癌的病理分级。

乳腺癌是全球女性发病率最高的恶性肿瘤，早发现早诊断是延长生存期的关键，但是传统影像学诊断方法存在局限性。近年来，人工智能（AI）技术通过深度学习、图像处理等手段，显著提升了乳腺癌影像诊断的准确性和效率。在乳腺超声、乳腺X线、乳腺MRI及新兴影像技术中，AI可通过病变检测、分类、图像增强、风险预测及临床决策支持等技术推动医学影像的发展。然而，AI的临床转化仍面临数据标准化、算法泛化性、伦理合规等挑战，未来还需加强多中心合作，推动技术革新以及完善伦理法规，确保能真正地满足临床需求，从而推动乳腺癌诊疗的智能化、精准化与普惠化。本文系统综述了AI与传统影像学方法在乳腺疾病诊断、治疗及预后预测中的差异化优势与不足，探讨其临床转化的可行路径与未来发展方向，并对AI在乳腺疾病诊疗中的应用前景进行展望。

乳腺癌作为全球女性最常见的恶性肿瘤之一，其发病率与死亡率均居前列。腋窝淋巴结（ALN）状态的精准评估直接影响临床决策及预后判断。尽管腋窝淋巴结清扫和前哨淋巴结活检仍是诊断金标准，但其均存在手术创伤性与假阴性率的局限性。因此，术前准确预测腋窝淋巴结状态是目前仍需解决的问题。乳腺X线摄影、CT和乳腺MRI技术的进步推动了无创诊断的发展，影像组学与深度学习技术已深度融入乳腺癌ALN转移研究领域。基于CT与MRI的影像组学及深度学习模型在探究乳腺癌ALN转移中表现优异，其AUC值显著。本文就CT及MRI影像组学在预测乳腺癌腋窝淋巴结转移的应用进展方面进行系统阐述。

非小细胞肺癌是全球范围癌症相关死亡的主要原因之一，而且隐匿性淋巴结转移对非小细胞肺癌患者的诊疗计划及预后产生不利的影响，通过影像早期发现非小细胞肺癌隐匿性淋巴结转移选择最优的治疗方法，从而改善患者的预后，最终为降低非小细胞肺癌相关死亡贡献一份力量，本文就近些年来影像学特征和影像组学在早期识别非小细胞肺癌隐匿性淋巴结转移中的应用及影像组学可解性方法展开综述。

肺癌因其病因复杂多样和早期临床症状不明显的特点，导致发病率一直居高不下，且逐年持续增长。而CT影像学技术因其极高的检出率且可无创、便捷性发现肺部疑似病灶，是目前早期肺癌筛查的最佳手段。本综述将系统性阐述CT图像二维重建技术和三维重建技术的优缺点，并重点分析了三维重建技术在胸部CT肺结节图像诊断和治疗中的临床应用价值，旨在为临床肺部疾病的诊断选择提供最合适的重建方法，为未来胸部CT肺结节图像三维重建技术的创新提供参考。

乳腺癌是全球女性癌症相关死亡的主要原因。新辅助化疗在乳腺癌临床治疗中已成为不可或缺的一部分。传统评估新辅助化疗疗效的方法受限于其主观性和精确度，亟需探索更客观的评估替代方案。近年来，人工智能技术在医学影像领域取得了显著进展，尤其是影像组学和深度学习。研究表明，基于MRI的影像组学和深度学习方法，能够从丰富的影像数据中提取大量肉眼难以识别的关键特征，揭示肿瘤内部的微观结构变化并反映其生物学行为，定量评估肿瘤的异质性，进而显著提升疗效评估的准确性。本文从近年来基于MRI的人工智能技术在乳腺癌新辅助化疗疗效评估中的应用进行综述，旨在促进人工智能在乳腺癌新辅助化疗疗效评估领域由理论转化为临床实践的应用和发展，为乳腺癌精准化和个性化医疗的实现提供科学依据。

深静脉血栓形成（DVT）是血液在深静脉内异常凝结所引起的一种疾病，其作为一种常见的外周血管疾病，年发病率约为0.1%。DVT脱落易并发肺栓塞，且20%~50%的患者会在后期出现血栓形成后综合征，严重影响患者生活质量。DVT的识别与诊疗对于预防并发症至关重要。本文就数字减影血管造影、超声、计算机断层扫描及磁共振成像等多种DVT影像学诊断技术及基于深度学习的血栓医学图像分析方法进行综述，以期为DVT的预防与诊疗提供依据。

随着人群预期寿命的延长，人口老龄化与老年患者就医需求的增加成为现实问题。老年患者的身体机能下降，生理、代谢、感官和多个系统逐渐衰退，对静脉麻醉药物的耐受性降低。环泊酚是中国新上市的一种自主研发的新型非巴比妥类全身静脉麻醉药。现有研究表明，该药具有起效快、恢复快、注射痛少、效价高以及安全窗宽等特点，但多为单中心小样本研究，缺乏对证据质量的分级，尤其在老年患者的临床应用中研究不足。本文根据现有的研究资料，就环泊酚在老年患者的临床应用现状进行综述，以期为环泊酚在老年患者的临床用药提供参考，同时对未来的研究方向提出思考。