ARTICLE · 1274429

AI赋能精准医学,专著《CT深度学习图像重建技术与临床应用》正式出版

发布时间：2026-10-29 15:07:16 最近访问：2026-10-29 15:07:17

现代医学影像正经历一场悄然却深刻的革命——从依赖肉眼与经验的“定性观察”，加速向精准、智能的“定量分析”跨越。而在这场变革中，CT图像重建算法无疑是决定诊断敏感度的基石。长期以来，“控剂量”与“保画质”如同一座压在放射科心头的两难之山。随着人工智能新浪潮的席卷，深度学习图像重建（DLIR）技术终于为我们撕开了破局的曙光。为了将这项前沿技术从“学术文献”真正转化为一线医生手中的“诊断利器”，由郑州大学第一附属医院高剑波教授、吕培杰副教授主编的专著《CT深度学习图像重建技术与临床应用》正式面世。本书旨在全方位展示全科同仁与产业界通力合作下，如何实现“低剂量”与“高画质”的双赢。

在CT的日常临床应用中，控制辐射剂量与保证图像诊断质量往往相互制约。传统的滤波反投影（FBP）算法受限于其理想化的数学模型，对数据缺陷和光子噪声极为敏感；而迭代重建（IR）算法虽然引入了统计物理模型以有效降噪，但随着降噪强度的增加，图像极易产生“蜡块样”或“过度平滑”的非自然纹理，可能掩盖细微的病理特征。在实际操作中，临床医生经常需要在“容忍高噪声”与“接受图像纹理失真”之间做出妥协。

深度学习图像重建（DLIR）算法的引入，为突破这一传统算法的固有局限提供了切实可行的新方案。

DLIR并非单纯的数学模型修补，而是将深度卷积神经网络（CNN）应用于图像重建过程，展现出与传统算法截然不同的技术特性。

PART 01

（一）原理差异：从“规则驱动”向“数据驱动”的转变

区别于FBP的纯解析法与IR的反复迭代计算，DLIR是典型的“数据驱动”。它通过网络模型在海量高质量目标图像（如高剂量FBP或高质量靶向图像）与低剂量原始数据之间进行多维度训练，自动提取并建立复杂的特征映射关系。这种机制使其跳脱了传统数学模型必须在“降噪”与“空间分辨率保留”之间做权衡的框架，实现了更智能的图像处理。

PART 02

（二）核心特征：降噪与纹理保真的更优协同

DLIR能够更精准地区分“真实解剖信号”与“背景噪声”。多项临床与体模研究表明，在同等扫描条件下，DLIR相比常规IR算法能进一步降低客观噪声，并显著提升对比噪声比（CNR）。更为重要的是，DLIR在大幅降噪的同时，能够有效还原病变的真实边缘细节，最大程度避免了IR算法带来的“塑料感”伪影，使图像观感高度接近临床医生所熟悉的高质量FBP图像的自然纹理。结合能谱成像技术时，DLIR能够有效改善低keV单能量图像下原本偏高的噪声水平，进一步提高物质分离（如碘基图、水基图）及定量分析的准确性，为肿瘤定性、血管斑块评估等提供更可靠的功能学支持。

本书的主编团队在医学影像领域深耕多年，具有丰富的临床实践与科研经验。

高剑波

医学博士，主任医师，

二级教授，博士研究生导师。

郑州大学第一附属医院

首席专家。

吕培杰

医学博士，副主任医师，

硕士研究生导师。

郑州大学第一附属医院

放射科副主任。

一本专著的诞生，绝非主编一人的功劳。本书的编写汇聚了郑州大学第一附属医院影像科全科同仁的心血。从病例的筛选、图像的采集到数据的分析，每一个环节都凝聚着集体的智慧。特别是在病例资料的收集过程中，科室同仁们付出了极大的热情和认真负责的工作态度，覆盖了全身各系统典型病例，确保了内容的全面性与权威性。

此外，本书的顺利出版也离不开产业界的技术支持。GE医疗团队在深度学习重建算法（如TrueFidelity）的技术原理阐释、数据处理支持等方面提供了专业的帮助。这种“医工结合、产学研联动”的模式，使得本书既有临床医生的实战经验，又有技术专家的理论支撑，实现了医学与工程技术的深度融合。

全书共分十章，从CT发展史讲起，系统介绍了传统重建技术与DLIR技术的原理，重点探讨了DLIR算法在全身各系统疾病检查中的应用价值。目录结构清晰，逻辑严密，涵盖了从基础原理到临床应用的方方面面。

PART 01

第一章：溯源求本，原理先行

本章从CT的发展历史出发，详细阐述了从FBP到IR，再到DLIR的技术演进路径。不仅介绍了技术原理，更深入探讨了DLIR在改善图像质量、提升诊断效能、优化辐射剂量方面的循证医学证据，为读者打下坚实的理论基础。

PART 02

第二章：深度学习与低剂量检查

聚焦临床最关心的剂量问题，全面展示DLIR在头颈、胸部、腹部及血管低剂量CT检查中的应用价值。通过大量对比图像，直观呈现DLIR如何在大幅降低剂量的同时，保证图像质量不妥协。

PART 03

第三章至第五章：分系统

深度解析

·头颈部：涵盖颅脑、颌面部、全脑灌注及颈部检查，展示DLIR在细微结构显示（如内耳、眼眶）及一站式卒中检查中的优势。

· 心血管：重点探讨DLIR在冠脉CTA、主动脉瓣评估及一站式心血管检查中的应用，特别是对高心率、钙化及支架植入等复杂病例的成像优势。

· 乳腺：对胸部增强CT检查中偶然发现、需进一步定性或分期的乳腺病灶，详细分析DLIR在乳腺良恶性病变鉴别及淋巴结评估中的应用价值。

PART 04

第六章：深度学习与能谱、体部

灌注及一站式检查

本章是本书的一大亮点，深入探讨了DLIR与能谱成像的强强联合。从单能量图像、基物质图像到综合临床应用，展示了“宽体+能谱+DLIR”三位一体技术在肿瘤诊断、血管成像及灌注分析中的巨大潜力。

PART 05

第七章至第十章：攻克临床难点

与特殊人群应用

· 金属伪影去除：针对临床棘手的金属伪影问题，展示DLIR如何变“不可评估”为“清晰可见”。

· 骨肌系统：涵盖骨密度测量、炎症、外伤及韧带钙化等，展示DLIR在骨肌系统精准诊断中的价值。

· 儿科检查：专为儿童患者设计，探讨如何在保障图像质量的前提下，最大程度降低辐射剂量。

· 急诊检查：聚焦急诊场景，展示DLIR在快速、精准诊断外伤及急腹症中的优势。

中华放射学杂志 2025 年刊发了高剑波教授团队的述评文章《重视深度学习 CT 图像重建算法的临床应用》（中华放射学杂志，2025,59 (1):5-8），该文系统梳理了传统 FBP 与迭代重建技术的固有局限，明确指出 DLIR 技术在体模实验中已被证实可在不改变真实噪声纹理的前提下，有效降低图像噪声、提升空间分辨率与病灶检出能力；临床应用中可同步提升图像质量、降低辐射剂量与对比剂用量，是人工智能与医学影像深度融合的代表性精准技术。文章同时发出学术呼吁：临床需充分挖掘先进算法的性能优势，持续拓展 DLIR 的多场景应用边界，才能不断提升诊断效能，最终惠及更多患者。

本书的出版，正是对这一学术呼吁的响应与延伸：如果说上述述评从学科层面阐明了 “为何要重视 DLIR 临床应用”“应向哪些方向拓展应用” 的宏观方向，本书则以详实的临床病例与可重复的量化数据，回答了 “如何在不同临床场景中规范化用好 DLIR” 的实操问题，为 DLIR 技术从 “前沿研究” 真正走向 “临床常规” 铺设了可复制的落地路径。