孙兆男， 崔应谱， 刘想， 张晓东， 王霄英， 刘伟鹏， 王祥鹏， 黄嘉豪

表1 腹盆部器官各期增强扫描的延迟时间 (s)

在传统影像诊断模式中，某些疾病的诊断需基于特定期相或序列，如脂肪肝的CT诊断需测量平扫图像的肝实质密度，肾结石检出在平扫图像上较敏感，怀疑肝细胞肝癌需关注动脉期及门脉期的强化方式等。因此获取合格的图像是进一步完成影像诊断任务的前提，扫描期相不准确和扫描范围不足等图像质量问题有可能影响疾病的诊断，是医学影像质控的关注点之一。

人工智能(artificial intelligence，AI)是一种模仿人类思维方式的技术，在训练AI模型时，研究者通常基于传统影像诊断经验，针对不同任务收集特定扫描时相及扫描范围的图像[1-2]。由于真实临床工作中机型多样、命名规则冗杂和扫描方案差异等因素，缺乏有效的整理方法，即特定AI任务相关的患者队列选择，这是AI模型的主要瓶颈之一。AI辅助诊断软件在实验阶段效能很好，但临床验证过程中，发现许多模型预测错误的病例是由于图像质量不合格导致的[3]，而提升图像质量会明显提高模型效能。因此，亟需高效的方法筛选出满足临床应用场景的图像，去除无关的冗余图像。无论是医生承担的传统影像诊断任务还是基于AI模型的辅助诊断，其共性需求是提供合格的图像[2]。本研究目的是研发腹盆部CT图像扫描期相及范围AI分类模型，并利用对模型进行临床验证，探索其植入临床实践流程的可靠性。……