关键词： 超声检查   胎儿   人工智能   质量控制   早孕期  

摘要： 目的评估智能化产前超声质量控制系统（PSAIS）在早孕期（11～14周）胎儿图像质量控制中的应用效能，并利用该系统辅助辽宁省早孕期胎儿超声检查质量控制工作。方法回顾性随机抽取2022年11月中国医科大学附属盛京医院早孕期超声筛查的胎儿100例（超声图像2 757张）作为测试集，由3名产科超声专家对PSAIS性能进行评估。首先以专家的切面分类为金标准，使用准确率评价PSAIS分类标准切面的效能；采用组内相关系数（ICC）评估PSAIS与专家评分结果的一致性。分析PSAIS与专家质控耗时的差异。最后使用PSAIS对辽宁省各级医院早孕期胎儿超声检查规范程度进行质量评价，共涉及35家医院，每家医院随机抽取10例早孕期胎儿超声筛查图像。具体评价内容包括：每例超声检查存储图像数，标准切面完成率，每例检查及单图图像质量评分、优秀率、及格率。对评估结果进行统计描述和分析。结果PSAIS切面分类准确率达88.25%（706/800）；PSAIS与专家评分的ICC为0.978。PSAIS分析每例早孕期胎儿超声检查时间少于专家所需平均时间（3.0 s比63.5 s，P<0.05）。质控抽查显示，在存储图像数量、切面完整率、评分、优秀率、及格率方面，各级医院间结果差异有统计学意义（均P<0.05），其中三级医院表现优于二级医院，私立医院表现优于公立医院，专科医院表现优于综合医院。在各切面规范程度评估中，胎儿正中矢状切面完成率最高［99.43%（348/350）］，脐带腹壁入口横切面扫描完成率最低［31.14%（109/350）］。结论PSAIS能可靠地评估早孕期胎儿超声检查质量，显著提升质控工作效率。辽宁省各级医院在早孕期胎儿超声检查图像质量方面存在明显差异，同时在切面标准化方面也存在一些共性问题，产科超声图像质量有待进一步提高。

关键词： 生成式人工智能   ChatGPT   知情同意   伦理挑战  

摘要： 知情同意是医学实践的基本伦理准则，随着以ChatGPT为代表的生成式人工智能与医学的深度融合，其为传统知情同意带来革新式发展的同时，也引发了新的伦理挑战，ChatGPT具有改善知情同意内容的可读性、提高知情同意内容的全面性和准确性，增强知情同意获取的便捷性等特点。然而，由于ChatGPT用于知情同意仍处于探索阶段，亟须前瞻性地对其伴生的信息安全、责任判定、透明度、公平性等伦理问题予以充分考量。对以ChatGPT为代表的生成式人工智能用于知情同意面临的挑战进行伦理分析，并提出坚持自由且充分的知情同意、强化知情同意中责任与义务平衡，构建透明且公正的监督机制等对策，旨在推动生成式人工智能在医学知情同意领域符合伦理规范、有序可控的发展。

关键词： 人工智能   通信加密   密钥生成  

摘要： 网络通信环境日益复杂,信息数据在传输过程中面临多源攻击与动态威胁,传统加密机制在密钥生成、协议调优、攻击响应方面逐渐暴露出静态性强、适应性弱等不足。基于此,探讨人工智能技术在网络通信信息数据安全加密中的应用路径,重点分析其在智能密钥生成、加密参数优化与攻击驱动加密调整等环节中的作用机制。通过引入深度学习与强化学习模型,实现加密策略的动态演化与风险感知能力的增强。案例验证表明,人工智能可有效提升加密系统的安全性、灵活性、抗攻击能力,为构建更具智能化特征的通信数据安全体系提供应用支撑。

关键词： 人工智能迭代重建   胸腹盆CT增强   最佳噪声等级   图像质量   辐射剂量  

摘要： 目的 探讨自动管电压调制(ATVM)技术联合人工智能迭代重建(AIIR)算法与常规管电压联合卡尔迭代重建(Karl－3D IR)算法在胸腹盆CT增强中图像质量和辐射剂量比较研究，同时优选出胸腹盆CT增强检查中AIIR的最佳噪声等级。 方法 回顾性将2023年4月至10月100例河北大学附属医院行胸腹盆CT增强检查的患者按随机数表法分为A组和B组，每组50人。A组采用自动管电压调制技术进行扫描，图像采用AIIR 1～5噪声等级进行图像重建。B组采用120 kVp联合Karl－3D IR 5级进行扫描和重建图像。记录和计算所有患者图像的信噪比(SNR)、对比度噪声比(CNR)、有效剂量( E )和体型特异性剂量估算值(SSDE)，对所有图像进行主观评价。对AIIR 1～5噪声等级重建的图像质量进行比较，优选出AIIR的最佳图像重建噪声等级。对A组(AIIR最佳图像重建噪声等级)和B组的图像质量和辐射剂量进行统计学分析。 结果 A组AIIR 1级、2级和3级噪声算法重建图像的SNR均值与CNR均值高于AIIR 4级和5级噪声算法重建图像的SNR和CNR均值；AIIR 3级和4级噪声算法重建图像的主观评分值高于AIIR的1级、2级和5级噪声算法重建图像的主观评分值。因此，AIIR 3级是胸腹盆CT增强图像重建的最佳噪声等级。A组AIIR 3级图像的SNR均值、CNR均值及主观评分值均高于B组Karl－3D IR 5级( P <0.001)。A组患者的SSDE均值与 E 均值均低于B组患者，且分别下降了46%和41%。 结论 自动管电压技术结合AIIR算法可提高图像质量并能有效降低患者的辐射剂量。AIIR 3级是胸腹盆CT增强动脉期和静脉期图像重建的最佳噪声等级。

关键词： 数字化壁画修复   人工智能   文化遗产保护   虚拟现实多学科合作  

摘要： 壁画是人类文化艺术的重要载体,不仅记录了古代社会的风貌,更承载着丰富的历史信息与艺术价值.然而,由于岁月的侵蚀、自然环境的破坏以及人为因素等,许多珍贵壁画面临严重损毁和褪色的困境.随着人工智能技术的快速发展,数字化壁画修复逐渐成为保护和传承文化遗产的重要手段.

关键词： 超声检查   肛门括约肌   质量控制   人工智能  

摘要： 目的建立肛门括约肌超声图像质控模型并多中心验证其诊断性能。方法回顾性纳入2019年5月至2022年6月7个医疗中心（中山大学附属第三医院、中山大学附属第三医院岭南医院、白银市第二人民医院、陕西省人民医院、湖南省妇幼保健院、广州医科大学附属第三医院、江门市五邑中医院）的肛门括约肌超声图像。共纳入3 116例患者的7 040张图像，将前2个医疗中心4 912张图像作为训练集，后5个医疗中心2 128张图像作为验证集，由3名专家将图像分为标准图像与非标准图像。根据不同的图像特征提取方法建立3种模型（单分支模型、多分支加权模型和多分支集成模型），通过观察各模型的ROC曲线下面积、敏感性、特异性、准确率、阳性预测值和阴性预测值，了解模型的诊断性能。选取最优模型与4位不同经验的医师的表现进行比较。间隔60 d后，医师结合模型输出结果对图像进行再次评估，了解模型对人工质控的辅助价值。结果①三种模型诊断性能的比较显示，多分支集成模型AUC和敏感性最高，AUC为0.966（95%CI=0.958～0.974），敏感性为91.83%，特异性为91.41%，将其命名为Mquality。②Mquality的AUC低于高年资医师A、B（0.966比0.976、0.976，均P<0.05）；敏感性低于高年资医师A（91.83%比95.61%，P<0.001），与高年资医师B相当（91.83%比92.89%，P=0.315）；特异性低于高年资医师A和高年资医师B（91.41%比94.44%、98.18%，均P<0.05）。Mquality的AUC、敏感性明显高于低年资医师A、B（AUC 0.966比0.850、0.818，敏感性91.83%比84.90%、61.46%，均P<0.001）。Mquality的特异性高于低年资医师A（91.41%比80.28%，P<0.001），但低于低年资医师B（91.41%比95.96%，P<0.001）。③与模型辅助前相比，高年资医师B的敏感性（92.89%比94.20%，P=0.001）与高年资医师A的特异性（94.44%比96.56%，P<0.001）有所提升。低年资医师A、B在模型辅助后AUC、敏感性有明显改善（AUC：0.931比0.850，0.914比0.818；敏感性：91.83%比84.90%，89.53%比61.46%；均P<0.001）。模型辅助后低年资医师A的特异性有所提高（93.62%比80.28%，P<0.001），低年资医师B的特异性有所降低（91.60%比95.96%，P=0.013）。结论本研究构建了肛门括约肌超声图像质控模型，模型诊断性能良好，稍低于高年资医师水平，且模型能明显提高低年资医师对图像质量的判读能力，具有良好的临床应用前景。

关键词： 人工智能   急性肾损伤   诊断   治疗  

摘要： 急性肾损伤（acute kidney injury, AKI）作为临床常见的危急重症，病因复杂、起病急且进展快，不仅显著增加患者死亡率，还可能进展为慢性肾脏病，目前其发病率居高不下，提高早期诊断率和治疗效果是重大临床挑战。人工智能（artificial intelligence, AI）凭借强大的数据处理和分析能力，在医疗领域快速发展，为疾病诊疗提供新思路，在AKI领域展现出革新早期诊断、病情评估和治疗决策模式的巨大潜力。该文将阐述AI在AKI预测、病情评估及治疗决策中的应用进展，为临床医生提供参考，推动AI在AKI领域的进一步应用与发展。

关键词： 人工智能   人工智能生成内容   人机协同   本科教学   城乡规划  

摘要： 全球城市化的挑战和人工智能（AI）的兴起，要求通过AI提高城乡规划教育的效率和质量。研究采用参与式观察和问卷调研的方法，探讨AI技术在城乡规划本科教育中的应用和效果。研究发现，当前城乡规划本科课程改革是由人工智能生成内容（AIGC）所驱动的人机协同教学创新，这包括课程内容创新、作业方式创新和评价体系创新。AIGC的驱动提升了学生的学习效率、质量和满意度，学生认为人工智能是其学习的工具、老师或朋友。研究展示了如何利用AI推动教学创新，为城乡规划教育发展提供了丰富的经验内容和总结。