XiaoMi-AI文件搜索系统
World File Search System放射学
乔伯特综合征的放射学特征-Thieme Connect
所有患者均表现出颅窝畸形的特征图，称为“摩尔牙齿迹象”（MTS），在大约85％的JS患者中已有报道（►图。1）。在轴向截面中的存在中，在甲板/中脑的水平，小脑vermis的低/发育不良，异常深的沟渠窝和水平化的浓密和细长的高级小贝尔甲梗。自第一个描述以来，报告了许多病例，并随着表型的扩展以及细胞学和遗传进化的扩展。几种疾病更难以分析，因为它们的遗传原因通常不清楚，并且不遵循遗传模式。幸运的是，分子特征可以从患者的诊断，预后以及
人工智能对放射学报告的影响
最简单的方法是人工智能通过自动测量或分类来支持放射学报告，尽管这种功能可能对横断面成像更有益。更常见的是，人工智能可用于对放射学报告工作列表进行优先排序或分类——所有被确定为包含异常发现的图像或显示特定病理的图像。2,3医院可以使用优先级来标记需要紧急报告的病例，以减轻报告积压带来的风险。这种优先级是否真的能更快地诊断出紧急或关键发现目前正在研究中，包括检查肺癌途径和诊断时间的工作。4然而，工作列表优先级可能会导致意想不到的不良后果，例如对于没有关键发现的患者来说，焦虑会增加，结果可能会更糟，因为他们需要等待更长的时间才能得到结果（例如，胸部X光检查正常的高风险肺癌患者需要等待更长时间才能得到正常报告，因此延迟了胸部 CT 转诊）。
人工智能（AI）在放射学领域的应用
摘要：背景：在过去十年中，人们对将人工智能 (AI) 应用于放射学以改善诊断程序的兴趣日益浓厚。人工智能在成像链的所有步骤中都有潜在的好处，从诊断测试的处方到测试报告的传达。人工智能在放射学领域的应用也对诊断时的医患沟通提出了挑战。本系统综述重点关注当人工智能应用于癌症诊断沟通时患者的角色以及患者与医生之间的人际交往技巧。方法：在 1990 年至 2021 年的 PubMed、Embase、Medline、Scopus 和 PsycNet 上进行了系统搜索。搜索词为：“人工智能”或“智能机器”和“通信”、“放射学”和“肿瘤学诊断”。遵循 PRISMA 指南。结果：共查明 517 条记录，5 篇论文符合纳入标准并进行了分析。大多数文章强调了人工智能在放射学方面的技术支持的成功，却以牺牲患者对人工智能的信任和以患者为中心的癌症疾病沟通为代价。根据研究结果讨论了实际意义和未来指导方针。结论：事实证明，人工智能有助于临床医生进行诊断。未来的研究可能会通过充分了解人工智能的有利用途以及通过充分的医患诊断沟通培训提高医疗依从性来提高患者的信任度。
人工智能 (AI) 在放射学领域的应用
摘要：背景：在过去十年中，人们对将人工智能 (AI) 应用于放射学以改进诊断程序的兴趣日益浓厚。AI 具有潜在优势，涵盖成像链的所有步骤，从诊断测试的处方到测试报告的传达。AI 在放射学领域的应用也对诊断时的医患沟通提出了挑战。本系统综述重点关注 AI 在癌症诊断沟通中实施时的患者角色以及患者与医生之间的人际交往技巧。方法：从 1990 年到 2021 年在 PubMed、Embase、Medline、Scopus 和 PsycNet 上进行了系统搜索。搜索词为：（“人工智能”或“智能机器”）和“通信”、“放射学”和“肿瘤学诊断”。遵循 PRISMA 指南。结果：共识别出 517 条记录，5 篇论文符合纳入标准并进行了分析。大多数文章强调了 AI 在放射学中的技术支持的成功，却以牺牲患者对 AI 的信任和以患者为中心的癌症疾病沟通为代价。根据结果讨论了实际意义和未来指南。结论：事实证明，AI 有助于帮助临床医生进行诊断。未来的研究可能会通过提供有关 AI 有利用途的充分信息以及通过对医患诊断沟通进行充分培训来提高医疗依从性，从而提高患者的信任度。
牙科放射学（成人患者）
我们每天都会暴露于自然环境的辐射。这种“背景辐射”来自地球和我们周围的建筑材料，我们呼吸的空气，我们吃的食物，甚至来自外太空（宇宙射线）。辐射暴露在称为Sieverts（SV）的单位中测量。英国一个人接受的平均年度辐射剂量为2.7毫米（MSV）（资料来源：英格兰公共卫生，2016年）。，大约2.3 msv来自自然背景辐射。
儿科放射学中的自主人工智能
摘要背景 自主人工智能 (AI) 骨龄评定系统 (BoneXpert) 旨在用于临床放射学实践，作为一种 AI 替代工具，完全取代放射科医生。目的本研究旨在调查该工具在临床实践中的使用情况。放射科医生是否更倾向于使用 BoneXpert 来协助而不是取代自己，以及这样做节省了多少时间？材料和方法我们向已经使用该软件的欧洲各科室的 282 名放射科医生发送了一份包含八个多项选择题的调查问卷。结果 97 名 (34%) 受访者来自 18 个国家。他们的回答显示，在安装自动化方法之前，83 名 (86%) 的受访者每次骨龄评定花费超过 2 分钟；安装后，这一比例下降到 20 名 (21%) 。只有 17/97 (18%) 的受访者使用 BoneXpert 完全取代放射科医生；其余的受访者在不同程度上使用它来协助放射科医生。例如，39/97 (40%) 从未推翻自动读数，而 9/97 (9%) 推翻了超过 5% 的自动评级。大多数 58/97 (60%) 的受访者自己检查了 X 光片以排除潜在疾病的特征。结论 BoneXpert 显著缩短了骨龄测定的报告时间。然而，射线分析不仅仅涉及确定骨龄。它还涉及识别异常，因此，放射科医生无法完全被取代。最初为取代放射科医生而开发的 AI 系统可能更适合作为 AI 辅助工具，特别是如果它们尚未经过验证可以自主工作，包括在图像超出有效范围时省略评级的能力。
文章：Offiah, A.C. orcid.org/0000-0001-8991-5036 (2022) 当前和新兴的儿科肌肉骨骼放射学人工智能应用。儿科放射学，52 (11)。第 2149-2158 页。ISSN 0301-0449
摘要 人工智能 (AI) 在放射学中发挥着越来越重要的作用（在成人世界中的作用比在儿科中的作用更大），以至于有人毫无根据地担心它将完全取代放射科医生的角色。关于 AI 在儿科放射学中的肌肉骨骼应用，我们距离 AI 取代放射科医生的时代还很远；即使是最常见的应用（骨龄评估），AI 也更多地以 AI 辅助模式使用，而不是 AI 替代或 AI 扩展模式。用于骨龄评估的 AI 已在临床上使用十多年，是进行最多研究的领域。儿童的大多数其他潜在适应症（例如阑尾和脊椎骨折检测）仍然主要处于研究领域。本文回顾了人工智能在儿科肌肉骨骼系统方面最突出的领域，简要总结了当前的文献并强调了未来的研究领域。鼓励儿科放射科医生作为研究团队成员参与开展儿科放射学人工智能研究。
人工智能在牙科和颌面放射学中的应用
从 Netflix 上的电影推荐到手机上的自动更正功能，人工智能在我们日常生活中的应用越来越普遍。医学和牙科领域可以应用人工智能来跟上技术进步并利用它们来提高实践效率。虽然人工智能尚未得到广泛应用，但在牙科和颌面外科领域与牙科射线照片结合使用时具有巨大潜力。射线照片可以作为机器学习算法的数据集，并使人工智能技术能够执行诊断疾病和治疗计划等任务。正在牙科研究中研究的人工智能技术的用途包括牙科图表、诊断龋齿、囊肿和肿瘤以及正颌和正畸病例的治疗计划。
评论文章医学物理和放射学中的机器学习和深度学习概述
引言在过去的几十年里，人工智能 (AI) 及其突破性技术改变了我们周围的整个世界。鉴于其在许多学科中强大的自动化功能，人工智能是现代生活中最伟大的进步，也是世界第四次工业革命 (1)。考虑到患者检测和计算能力的根本技术在逐步提高 (2)，社区对用于医疗领域的 ML 和 DL 算法的使用有着浓厚的兴趣。先进的 AI 技术代表了医学物理问题的独特专业解决方案，作为在放射学和 RO 应用中有效和合法地使用 ML 和 DL 的一种手段。最近研究的一个关键主题展示了成功的高级数据分析方法对医学物理学的影响，同时讨论了自动化的缺点 (3-5)。这项工作是基于最近的在线资源对可公开访问的官方出版商的科学和医学文献的回顾。