AI联合电影渲染技术在放射住培CTA后处理教学中的应用研究

Research on the application of AI combined with cinematic rendering technology in post-processing teaching of CTA for Radiology residents

摘要

目的 探讨人工智能（artificial intelligence，AI）联合电影渲染（cinematic rendering，CR）技术在放射住培医师CT血管成像（computed tomography angiography，CTA）后处理教学及影像诊断思维培养中的应用效果。 方法 选取2021年3月—2023年3月广州医科大学附属第三医院放射科规培学员共33人为研究对象。随机分为对照组（n=17）和试验组（n=16）。对照组采用传统教学模式，试验组采用AI+CR技术的教学模式。教学效果评价采用考试和问卷调查形式。 结果 试验组学员的理论考核、技能操作、临-影思维成绩（75.00±5.35，85.54±5.49，80.27±4.36）均高于对照组的成绩（71.06±4.08，80.28±7.35，75.67±3.67），差异具有统计学意义（P=0.023，0.027，0.003）。问卷调查结果显示，试验组学员对该教学模式的满意度（62.5%）高于传统教学的对照组（17.6%），差异具有统计学意义（P=0.013）；同时，试验组学员反馈该教学模式在提升学习兴趣、提高学习效率、改善图像质量以及提高专业水平方面有一定助力。 结论 将前沿的AI联合CR技术引入放射住培医师CTA后处理培训中，有助于增强学习体验感，培养学员“临影结合”的影像思维，提升专业知识的学习效率。

Abstract

Objective To explore the application effects of artificial intelligence (AI) combined with cinematic rendering (CR) technology in the post-processing teaching of CT angiography (CTA) for Radiology residents and the cultivation of diagnostic thinking in imaging. Methods A total of 33 residents who joined in the standardized training of Radiology of the Third Affiliated Hospital of Guangzhou Medical University from March 2021 to March 2023 were selected as the research objects and randomly divided into the control group (n=17) and the experimental group (n=16). The control group used traditional teaching mode, while the experimental group was taught using AI+CR technology teaching mode. The evaluation of teaching effect was conducted through examination and questionnaire survey. Results The scores of theoretical assessment, skill operations, and clinic-imaging thinking of the experimental group were (75.00±5.35, 85.54±5.49, 80.27±4.36), higher than those of the control group (71.06±4.08, 80.28±7.35, 75.67±3.67), and the differences were statistically significant (P=0.023, 0.027, 0.003). Results of the questionnaire survey showed that the satisfaction rate of the experimental group (62.5%) with this teaching mode was higher than that of the control group using traditional teaching (17.6%), and the difference was statistically significant (P=0.013). At the same time, students in the experimental group provided feedback, saying that this teaching mode had certain assistance in enhancing learning interest, improving learning efficiency, enhancing image quality, and raising professional competence. Conclusion The introduction of cutting-edge AI combined with CR technology into the post-processing training of CTA for Radiology residents contributes to enhancing the learning experience, cultivating the “clinic-imaging combination” thinking of students, and improving the efficiency of learning professional knowledge.

关键词

人工智能 / 电影渲染 / CTA / 规培医师 / 教学评价

Key words

artificial intelligence / cinematic rendering / CTA / residents of standardized training / teaching evaluation

放射规培医师CT血管成像（computed tomography angiography，CTA）后处理教学是规培轮转中尤为重要的一个环节^[1]，也是住院医师规范化培训技能操作规范（2022版）中新增的考核项目^[2]，它是理论学习与技能操作相融合的教学模块。

近年来，人工智能（artificial intelligence，AI）技术在CTA图像处理方面得到了广泛的应用，如AI自动分割、自动检测、自动诊断、自动生成结构化报告等^[3]。但在图像融合、病变的细节显示和解剖结构的空间关系等方面表现仍差强人意。然而，新一代可视化三维影像技术——电影渲染（cinematic rendering，CR）的出现，在一定程度上弥补了AI的上述劣势，不同于以往的虚拟仿真图像^[4]，CR图像可以准确呈现媲美实体解剖的照片级仿真图像^[5]。过去的研究表明，分别使用AI辅助和电影渲染技术进行教学可以获得良好的教学效果^[6-8]。本研究将这两种技术联合应用于放射科住院医师规范化培训的CTA教学中，以探索其在教学体验、影像思维和专业技能提高方面的效果。

1 研究对象与方法

1.1 研究对象

选取2021年3月—2023年3月在广州医科大学附属第三医院放射科参加住院医师规范化培训的33名放射规培学员为研究对象，随机分为对照组（n=17）和试验组（n=16）。前者采用传统CTA后处理教学，后者采用AI+CR辅助的CTA后处理教学。两组的教学大纲及指导教师相同，且两组研究对象均知情并同意参与该教学方法研究。

1.2 研究方法

1.2.1 对照组教学

对照组带教教师通过小讲课、教学读片及病例讨论的系列教学活动串讲心血管CTA（包括头颈CTA、冠脉CTA、主肺动脉CTA及四肢CTA）的基本原理、影像解剖及变异、图像质量评价、阅片方法、影像诊断思路及报告书写规范等内容，让住院医师对该技术有一个全面的认识。在操作部分，参考CT后处理操作指导规范流程^[2]，通过“带教—示教—协助—指导”的形式，引导学员在西门子CT后处理工作站（Syngo.via VB40）完成曲面重组（curved planar reformation，CPR）、最大密度投影（maximum intensity projection，MIP）以及容积再现（volume rendering，VR）图像，同时对血管病变检出与测量。最后由带教教师进行知识点、操作要点及思路的总结，达到熟悉各种影像后处理技术临床应用的目标，完成CTA规培教学。

1.2.2 试验组教学

试验组学员需要提前1~2周完成带教教师布置的文献学习，关键词为“AI技术”“CR技术”“CTA”；然后，在带教教师的引导下依照大纲要求在PACS系统中寻找并创建心血管CTA病例库，子目录包括狭窄性及非狭窄性血管病变；随后，指导教师对学员进行血管CTA理论知识的带教学习，内容与对照组相同。

在操作环节，带教学员先将CTA病例库中所筛选的狭窄性病变图像输入AI系统（中国数坤）^[9]，进行自动减影（生成CPR、MIP及VR图像）、自动测量（评价血管）、自动诊断（结构化报告）；学员通过原始图像初判AI结果，结果不准确则改为手动后处理；最后，由带教教师总结操作难点、AI结果失准的辨认及解决方案。如果为非狭窄性血管病变，例如动脉瘤、血管畸形、肿瘤，AI辅助判读后，仍需在CT工作站行电影渲染的手动处理，对血管结构进行3D可视化呈现，以高逼真状态还原实体解剖中病变血管的空间结构关系。带教教师要积极引导学员对相关疾病诊疗规范的关联性学习，让学员在操作的过程中以临床医师的视角剖析病变的影像特点，鼓励其开展“临影结合”的讨论，最终完成教学目标。

1.3 观察指标

通过两组住培医师教学后的考试成绩及问卷调查评价教学效果。

①考试成绩 理论知识、技能操作（后处理及阅片能力）、临床-影像思维（诊断、鉴别诊断及临床资料分析）3个方面，单项满分均为100分。所有的考核过程中考核教师并不知晓考核对象的分组情况。

②自制问卷 利用问卷星平台^[10]制作电子问卷，调查对照组学员对传统CTA后处理教学的满意度，以及试验组学员对AI联合CR教学模式的满意度(满意度分为“非常满意”和 “一般满意”)，分析两组学员对教学满意度的差异。

③问卷调查 要求两组学员就相应的教学模块对自身技能提升情况进行评价。评价指标包括提升学习兴趣、提高学习效率、改善图像质量以及提高专业水平这四个方面。

1.4 统计分析方法

采用SPSS 26.0对数据进行整理分析。计量资料采用(x±s)表示，组间比较采用t检验;计数资料采用n(%)表示，组间比较采用χ²检验或Fisher精确检验。以P<0.05为差异具有统计学意义。

2 结果

2.1 研究对象的一般情况

所选的试验组16人中，男性9人（56.30%），女性7人（43.70%），平均年龄（28.31±1.40）岁；对照组17人中，男性6人（35.30%），女性11人（64.70%），平均年龄（27.41±2.09）岁。两组性别、年龄相比，差异无统计学意义（P>0.05）。如表1所示。

2.2 试验组和对照组学员考核成绩比较

教学结束后两组统一进行阶段性出科考试：试验组理论考核成绩（75.00±5.35）分、技能操作考核成绩（85.54±5.49）分、临床-影像思维考核成绩（80.27±4.36）分，试验组各项成绩均高于对照组，差异具有统计学意义（P<0.05）。如表2所示。

2.3 试验组和对照组的教学满意度调查

试验组学员对其教学模式非常满意的有10人(62.50%)，高于对照组的3人(17.60%)，差异具有统计学意义(Fisher确切概率检验的P=0.013)。

2.4 试验组学员对教学效果的自我评价

采用上述自制问卷，接受AI联合CR教学模式的试验组学员对教学效果的自我评价如表3所示。有62.50%的学员认为这种教学方式有助于显著提升学习兴趣，有25.00%的学员认为非常能有助于提高学习效率，有62.5%的学员认为可以显著改善图像质量，有31.3%的学员认为能显著提高专业知识的学习。

3 讨论

3.1 AI联合电影渲染技术有助于提高住院医师后处理技能水平和改善图像质量

AI辅助影像后处理技术已经在很多住院医师规范化培训基地广泛应用，它是一种基于大量影像随访数据和机器学习算法建立的专家系统，可以提供准确的病灶识别、图像后处理和影像诊断，并可以结合PACS阅片系统使用^[11-13]。其便捷、高效的优势将住院医师从大量重复的人工操作中解脱出来，但部分病例中伪影校正、分割遗漏的问题在AI图像后处理中也同样突出。这种图像质量的劣势通过电影渲染（CR）技术的补偿得到极大改善。

CR技术源于电影技术的启发，通过多光源模式模拟环境光遮挡下的阴影，可以准确呈现容积内解剖结构间的光影区，为图像提供视觉深度，这就产生了与真实人体解剖几乎难以区分的影像^[14-15]。CR技术所具有的逼真的阴影效果，能够更清晰地显示病变血管和其他血管结构的相对位置关系和侧枝循环的血管，并且在动脉瘤或血管周围骨质、软组织的可视化呈现方面表现优异，甚至可以真实描绘肿瘤血管的细节，让教学更加生动、鲜活。本研究调查结果表明，试验组的学员不仅在教学满意度调查问卷方面高于对照组，在技能操作考核成绩中也优于对照组（P<0.05），说明学员对教学方式的认可会促进知识的掌握与成绩的提高。在此联合教学模式的开展过程中，住院医师学习大量相关资料，对两种技术的特点进行互补融合，全面掌握了后处理技术中的疑难点，优化了图像质量。调查问卷中对教学效果的自我评价结果也显示，超过半数的试验组学员认为这种教学模式明显改善图像质量，而CTA后处理教学的核心就是影像图像的质量，只有更真实更多维的图像才能在疾病的诊疗中发挥更大作用。在实际工作中，放射科住培学员可以根据临床需求的不同，结合两种技术特点，进行后处理方案的个性化选择。

3.2 AI联合电影渲染技术有助于提高住院医师的学习兴趣和培养临床影像思维

将医学影像技术与电影渲染技术相结合，实现了心血管结构的照片级可视化呈现，达到模拟真实器官质地和色泽的效果，创造出更有趣、更逼真的图像，让学员能够以身临其境的方式深入了解人体血管的解剖结构。同时重点强调的组织结构可以提取、染色和标注，从而使教学内容更具可行性和刺激性，激发了学习兴趣，降低了规培学员影像解剖学习的门槛。调查研究中，有62.5%的学员认为这种教学方式有助于显著提升学习兴趣，对这种仿真可视化成像带来的3D电影式视觉冲击，学员们显示出了浓厚的兴趣。这种将抽象的理论知识具象化，强调医学员空间思维能力的培养，使得医学员能够在实践中更好地掌握影像技能操作。

AI联合电影渲染技术教学法辅助放射住院医师CTA后处理专业教学，绝不是简单的新技术结合，这一方法通过将AI技术引入CTA后处理住培教学中，自动化的减影、血管分析及结构化诊断报告一站式生成，极大地规范了住培医师影像技能操作的流程，减少了人为操作的不确定性，进一步促进规范化培训教学质量的有效提升。同时，联合基于CR的人工后处理技术可以避免由于图像伪影、解剖变异及血管内造影剂分布不均造成的“AI失灵”。通过这种媲美手术标本的个性化3D图像为临床医生制定诊疗方案提供了极大的帮助，为复杂解剖区域的外科手术规划提供非常有价值的术前指导，也为放射住培医师参与术前讨论及理解手术方案提供了更真实的观察视角，能有效提升自身阅片能力并逐步建立临床-影像思维模式。这种临床实践能力、思维能力及决策能力的培养可以更好地促进“临影结合”的学习模式。

当然，该研究尚有一定的局限之处：①由于规培教学不同于本科教学，研究样本量往往较小，在研究的实验设计方面，没有将AI+CR组分别与AI组或CR组比较，导致研究结果存在一定的误差。②AI联合电影渲染技术教学法是否也适用于放射住培其他后处理教学模块，例如肺结节的影像诊断等，这些问题都需要在教学实践中不断探索与研究。

4 结束语

CT图像后处理在放射住培的技能操作中举足轻重，也是培养住院医师正确、有效的学习策略，改进临床实践，提升核心胜任力的重要途径。然而，随着影像新技术的不断发展，传统的教育方式已经难以满足当前临床教学的新需求，因此需要对教学培训形式进行创新和改革。

综上，AI联合电影渲染技术在放射住培技能教学中的应用具有重要的意义，通过激发学习兴趣、提升教学体验、培养临床影像思维及提高专业技能的方式为住院医师规范化培训制度的改革和创新提供新的思路和方法，为医学人才的高质量培养做出贡献。

参考文献

[1] 闻芳, 汤光宇, 诸静其. 放射专业“住专一体化培养模式”的探索[J].继续医学教育, 2023, 37(1): 113-116.

[2] 齐心, 余更生, 向阳, 等. 《住院医师规范化培训操作技能直接观察评估指南(2022年版)》解读[J].中国毕业后医学教育, 2023, 7(1): 29-33.

[3] 李新春, 王鹏, 苏曦, 等. 人工智能辅助教学在医学影像教学中的应用前景[J].中国继续医学教育, 2021, 13(4): 86-89.

[4] 柴娜, 彭锐, 徐子良, 等. 医学影像虚拟仿真系统在临床教学中的应用[J].医学教育研究与实践, 2022, 30(1): 108-114.

[5] BINDER J S, SCHOLZ M, ELLMANN S, et al. Cinematic Rendering in Anatomy: A Crossover Study Comparing a Novel 3D Reconstruction Technique to Conventional Computed Tomography [J]. Anatomical Sciences Education, 2021, 14(1): 22-31.

[6] 蔡武, 张博, 刘蓉, 等. CBL联合AI技术在肺结节影像阅片教学中的应用[J].中国继续医学教育, 2023, 15(7): 43-46.

[7] BUENO M R, ESTRELA C, GRANJEIRO J M, et al. Cone-beam Computed Tomography Cinematic Rendering: Clinical, Teaching and Research Applications[J].Brazilian Oral Research, 2021, 35: e024.

[8] 贾萌, 张瑛琪, 李云峰, 等. 医学人工智能教育的研究进展[J].医学教育研究与实践, 2023, 31(1): 1-6.

[9] 何己派. AI医疗战[J].21世纪商业评论, 2019(7): 62-63.

[10] 罗怀香, 张潜, 许家洲, 等. 利用“问卷星”提升人体解剖学实验课随堂测试的教学效果[J].中国医学教育技术, 2020, 34(2): 217-220.

[11] 王曼, 王怡宁, 于敏, 等. 人工智能成像优化技术在冠状动脉CT血管成像的初步应用研究[J].中华放射学杂志, 2020, 54(5): 460-466.

[12] 赵伟, 陈雁菁, 李畅, 等. 不同层次医学影像专业学生对人工智能的观点及态度研究[J].中国继续医学教育, 2022, 14(24): 105-112.

[13] 姜雪, 李王佳, 魏淼, 等. 容积CT数字减影血管造影与人工智能技术对头颈CTA减影效果的比较[J].中国医疗设备, 2020, 35(10): 113-116.

[14] 柯腾飞, 杨军, 金弋人, 等. 电影渲染技术提升影像专业实习生学习能力的研究[J].中国继续医学教育, 2022, 14(22): 119-122.

[15] 王瑞, 金弋人, 李进丹, 等. 利用医学影像中的实影渲染技术进行医学教育的研究[J].中国继续医学教育, 2021, 13(5): 110-114.

基金资助

广州医科大学本科教学质量与教学改革工程建设项目(02-408-2304-02072XM)

广州医科大学教育科学规划校长重大课题子课题(PX-1220488)