张声旺，冷文洁，容鹏飞，陈 倩

    (中南大学湘雅三医院:1.放射科;2.病理科，湖南 长沙 410013)

    随着计算机硬件和深度学习技术的发展，人工智能(AI)逐渐深入到影像医学的临床、教学与科研中[1-3]。影像医学包括放射、超声、核医学等范畴，影像医学传统的教学模式为教师课堂授课、学生阅片实习的形式，教学主体主要以教师为主、学生为辅，传统的教学模式导致学生学习效率不高、理论知识与临床应用脱节[4]。随着现代影像技术的进步，影像医学图片已经实现数字化，尤其适合计算机深度学习和人工智能技术的应用[5]。多项研究已经证实，AI展示出相当高甚至超越临床医生的能力[6-9]，已经越来越多地融合到医学教学中[10-12]。AI可以快速分析大量的图像，提取病灶多层次定量特征，为肺部结节的定位、定性诊断提供可靠的依据[13]。将AI应用于影像医学教学中，帮助本科生能够更好地识别、定性结节，提高学生的学习兴趣和学习效率，在一定程度上可以实现教学的智能化、个性化。

    1 辅助识别肺部结节

    肺部解剖结构复杂，包含血管、淋巴管、支气管、肺泡等结构，而且多类疾病如肿瘤、炎症、结核、结缔组织疾病等均可导致肺部结节形成，且结节形态各异、大小不一，人眼睛对于肺部小结节尤其是亚厘米结节辨认困难，对于密度较低的磨玻璃结节更是难上加难。因此，临床医生在诊断过程中或本科生在学习过程中会花费较长的时间去识别结节，且非常容易漏诊。AI通过计算机的深度学习，应用于肺部影像诊断中能够快速、敏锐地识别各类结节，尤其是人眼睛容易漏诊的微小结节，可以给临床医生和初学影像的本科生节约大量的宝贵时间。传统教学模式下初学影像的本科生非常容易将血管断面误诊肺部结节，也非常容易漏诊为肺部小结节，因此初学影像学的本科生，很容易从心理上受到打击，从而主观性地认为肺部结节诊断非常困难、很难学好。AI辅助教学新模式下，学生首先自行识别肺部结节，再对照AI判断的肺部结节，筛查假阳性结节、总结分析自己不足之处；AI能够敏锐发现人眼较难分辨的5 mm以下的微小结节及磨玻璃结节 ......