AI辅助3D重建可视化教学模式在胸部CT解剖教学中的构建与评价

Construction and evaluation of an AI-assisted 3D reconstruction visualization teaching model in chest CT anatomy teaching

摘要

目的 探讨基于3D 重建的人工智能（artificial intelligence， AI）影像学可视化教学法在胸部电子计算机断层扫描（computed tomography， CT）解剖教学中的应用价值，解决传统教学中胸部解剖结构复杂、空间想象要求高、阅片难度大的难点。 方法 选取2023年1月—2024年12月在首都医科大学附属北京世纪坛医院参与胸部CT解剖教学的100名住院医师作为研究对象，采用随机数字表法分为对照组（n=50）和试验组（n=50）。对照组学生采用传统教学法，以解剖图谱、器官模型结合二维CT图像授课，试验组学生采用 AI辅助3D重建可视化教学法，通过全自动三维重建软件将胸部CT图像转化为立体模型，结合以问题为基础的教学法（problem-based learning， PBL）开展交互式教学。教学结束后，通过理论考试、实践技能考核及满意度问卷评估教学效果。 结果 试验组学生的理论考试成绩［（87.23±4.35）分］高于对照组［（81.05±5.21）分］（P<0.001）；在实践技能考核中，试验组学生CT影像阅读［（17.86±1.52）分］、病灶定位［（18.12±1.37）分］、临床思维［（17.69±1.45）分］及术中评分［（18.35±1.28）分］，均优于对照组对应指标［（14.23±1.86）分、（13.95±1.74）分、（14.51±1.63）分、（14.87±1.59）分］（P<0.001）。试验组学生总体教学满意度［（79.02±5.58）分］高于对照组［（70.75±6.09）分］（P<0.001），92.00%的学生认为该方法能提升学习兴趣。 结论 基于3D重建的AI影像学可视化教学法可直观呈现胸部复杂解剖结构，显著提高学生的理论水平、实践技能及学习积极性，为胸部CT解剖教学提供有效新模式。

Abstract

Objective To explore the application value of artificial intelligence (AI) imaging visualization teaching method based on 3D reconstruction in chest CT anatomy teaching, and solve the pain points of complex chest anatomical structure, high requirement for spatial imagination, and difficulty in image reading in traditional teaching. Methods A total of 100 resident physicians who participated in chest CT anatomy teaching in Beijing Shijitan Hospital, Capital Medical University, from January 2023 to December 2024 were enrolled as subjects and they were randomly divided into the experimental group (n=50) and the control group (n=50) using the random number table method. The control group adopted the traditional teaching method, lectures combining with anatomical atlases, organ models and two-dimensional CT images. The experimental group adopted the AI-assisted 3D reconstruction visualization teaching method, which converted chest CT images into three-dimensional models through automatic 3D reconstruction software and carried out interactive teaching combined with problem-based learning (PBL). After the teaching, the teaching effects were evaluated through theoretical examinations, practical skill assessments and satisfaction questionnaires. Results The theoretical examination scores of the experimental group [(87.23±4.35) points] were significantly higher than those of the control group [(81.05±5.21) points](P<0.001). In the practical skill assessment, the scores of CT image reading [(17.86±1.52) points], lesion localization [(18.12±1.37) points], clinical thinking [(17.69±1.45) points] and intraoperative score (18.35±1.28) in the experimental group were all superior to the corresponding indicators in the control group [(14.23±1.86) points, (13.95±1.74) points, (14.51±1.63) points, (14.87±1.59) points] (all P<0.001). The overall teaching satisfaction score of the experimental group [(79.02±5.58) points] was higher than that of the control group [(70.75±6.09) points] (P<0.001), and 92.00% of the students believed that this method could improve learning interest. Conclusion AI imaging visualization teaching method based on 3D reconstruction can intuitively present complex thoracic anatomical structures, significantly improve students' theoretical level, practical skills and learning enthusiasm, and provide an efficient new model for chest CT anatomy teaching.

胸部电子计算机断层扫描（computed tomography， CT）解剖是医学影像与临床诊疗衔接的核心教学内容，其教学质量直接影响学员对胸部疾病的诊断与处置能力^［1］。然而，胸部解剖结构高度复杂，心肺血管、纵隔间隙等结构在二维CT图像中相互重叠，需学员具备极强的空间想象能力才能完成“平面图像-立体结构”的思维转化，这成为传统教学的首要障碍^［2］。在临床实践中，因解剖定位不准导致的病灶漏判、误诊等问题，进一步凸显现有教学模式的局限性^［3］。传统教学多依赖解剖图谱、实体模型与二维 CT 图像的组合模式，静态教具难以动态展示解剖结构的毗邻关系，学员常陷入死记硬背的困境，难以将理论知识转化为阅片技能^［4］。而在胸部CT 解剖学习中，复杂结构的空间定位与影像特征的临床关联是核心难点^［5］。随着人工智能（artificial intelligence， AI）与医学影像学的深度融合，AI辅助3D重建技术实现了二维影像向立体模型的精准转化，为破解这一教学问题提供了新的模式^［6］。该技术可通过全自动算法生成可交互的胸部解剖立体模型，直观呈现结构细节与空间关系，契合现代医学教育对可视化、场景化的需求。因此，探索基于3D重建的AI影像学可视化教学法的应用价值，对创新胸部CT解剖教学模式、提升教学质量具有重要的现实意义与实践价值。

1 对象与方法

1.1 研究对象

选取2023年1月—2024年12月在首都医科大学附属北京世纪坛医院参与胸部CT解剖教学的100名住院医师作为研究对象。采用随机数字表法将学员分为对照组（n=50）和试验组（n=50）。纳入标准：①已完成基础解剖学课程；②无胸部影像学专项学习经历；③自愿参与本研究并签署知情同意书。排除标准：①既往有胸部疾病诊疗相关实践经验；②存在视觉或认知功能障碍影响学习与考核者。

1.2 教学方案设计与实施

两组学员均完成40学时胸部CT解剖教学，核心内容一致，包括胸部脏器（心、肺、气管支气管等）解剖结构、胸部血管与纵隔间隙分布、胸部CT断层解剖特征及影像识别要点。

对照组采用传统教学法，采用《系统解剖学》（第9版）^［4］图谱、1∶1胸部器官实体模型及经典胸部二维CT影像胶片（涵盖平扫、增强序列，包含正常解剖及常见变异案例）。教学模式以课堂讲授为主，教师结合图谱与实体模型讲解解剖结构空间关系，展示二维CT图像并标注关键解剖标志，课后布置阅片作业（每周5例二维CT影像案例），集中答疑解惑。

试验组采用AI辅助3D重建可视化教学法。采用全自动三维重建AI软件（Med3D Viewer V2.0），导入临床真实胸部CT原始数据（与对照组二维影像案例来源一致）生成立体解剖模型。同时结合以问题为基础的教学法（problem-based learning， PBL）开展交互式教学。①模型演示：教师通过AI软件展示3D重建模型，动态演示胸部解剖结构的毗邻关系、断层解剖与二维CT图像的对应关系，支持实时剖切模型展示深部结构（如纵隔淋巴结分组、肺段支气管分支）；②互动任务：设置临床场景问题（如“某患者CT示右肺上叶结节，结合3D模型定位结节所在肺段及毗邻血管”），使学员分组操作模型并分析讨论，同时教师进行针对性指导；③课后强化：为学员开放软件客户端权限，提供20例带标注的3D重建模型及配套二维CT图像，供学员自主对照学习与操作练习。

1.3 教学效果评估

在所有教学内容完成后1周内完成综合评估，评估人员为未参与教学的3名高年资影像学教师，采用盲法评分。

（1）理论考试：采用闭卷形式，试卷满分为100分，考试时长90 min，涵盖解剖学基础（30分）、胸部CT影像解剖识别（40分）、解剖与临床关联分析（30分），题型包括选择题、填空题及案例分析题，试题信度系数Cronbach's α=0.86。

（2）实践技能考核：总分80分，分为4个维度，各20分。①CT影像阅读（20分）：提供10例胸部CT影像（含正常解剖及3例解剖变异），要求识别指定解剖结构，每正确识别1项得2分；②病灶定位（20分）：给出5例含病灶的胸部CT影像，结合解剖知识定位病灶所在解剖部位，每准确定位1例得4分；③临床思维（20分）：通过2个临床案例提问，评估基于解剖知识分析影像表现的能力，按逻辑完整性、准确性分级评分；④术中评分（20分）：模拟影像引导下穿刺场景，结合3D模型（对照组用实体模型）规划穿刺路径，评估解剖结构规避合理性。

（3）教学满意度问卷：采用Likert7级评分量表（1分=非常不满意，7分=非常满意），总分100分，涵盖教学方法实用性（30分）、内容易理解性（25分）、学习兴趣提升（25分）、技能帮助度（20分）4个维度。

1.4 统计学方法

采用SPSS 26.0统计软件对数据进行处理分析。计量资料用均数±标准差（x±s）表示，组间比较采用独立样本t检验；计数资料用例数（百分比）［n（%）］表示，组间比较采用χ²检验。以P<0.05为差异有统计学意义。

2 结 果

2.1 两组学员的一般资料比较

两组学员性别、年龄等一般资料分布均衡，差异无统计学意义（P>0.05，表1）。

2.2 两组学员理论考试成绩比较

试验组理论考试成绩高于对照组，组间差异具有统计学意义（P<0.001，表2），表明AI辅助3D重建可视化教学法在理论知识掌握上更具优势。

2.3 两组学员实践技能考核各维度成绩对比

在实践技能考核中，试验组在CT影像阅读、病灶定位、临床思维及术中评分4个维度的成绩均显著优于对照组，各项指标组间差异均有统计学意义（P<0.001）。

2.4 两组学员教学满意度及学习兴趣提升情况比较

试验组总体教学满意度评分显著高于对照组，且92.00%的试验组学员认为该教学方法能提升学习兴趣，差异均有统计学意义（P<0.001）。

3 讨 论

3.1 胸部CT解剖教学的核心难点与技术创新的必然性

胸部CT解剖教学作为连接基础医学与临床实践的关键纽带，其教学质量直接决定学生对胸部疾病的诊断准确性与临床处置能力^［7］。然而，传统教学模式长期受限于胸部解剖结构的复杂性与影像学表现的抽象性，形成了三大核心痛点。首先，胸部解剖结构具有高度立体性与毗邻复杂性，心、肺、气管支气管及纵隔间隙等结构在二维CT断层图像中相互重叠，学生需通过抽象思维完成“平面图像-立体结构”的转化，这一过程对空间想象能力要求极高，导致低年级学生在初始学习阶段难以建立清晰的解剖结构认知^［8］；其次，传统教学依赖的解剖图谱、实体模型等工具呈静态特征，无法动态展示解剖结构在不同断层中的变化规律，学员难以掌握“结构-影像-临床”的关联逻辑，常出现“死记硬背解剖名词，不会应用于阅片实践”的现象^［9］；最后，二维CT图像的阅片训练缺乏互动性，学员在面对复杂病例时，难以精准定位病灶与周围解剖结构的关系^［10］。

随着AI与医学影像学的深度融合，AI辅助3D重建技术为破解上述痛点提供了技术支撑。该技术通过全自动算法将二维CT影像转化为可交互的立体模型，实现了解剖结构的可视化、动态化与精准化呈现，契合现代医学教育“以能力为导向”的核心需求^［11］。本研究将该技术与PBL相结合，构建交互式教学模式，其本质是通过技术革新重构教学逻辑，将传统“教师主导的知识灌输”转变为“学员主动的探究式学习”，这与医学教育改革中强化实践教学，提升临床思维能力的要求高度一致^［12］。

3.2 AI可视化教学推动学习模式从“记忆型”向“理解型”提升

理论考试成绩是评估学员基础解剖知识与影像理论掌握程度的核心指标，试验组［（87.23±4.35）分］显著高于对照组［（81.05±5.21）分］（P<0.001），这一差异背后反映的是教学模式对学习深度的影响。传统教学模式下，学生主要通过背诵解剖图谱中的结构描述、记忆二维CT图像的典型特征完成学习，这种“记忆型学习”难以形成对解剖知识的系统性理解，当遇到影像表现变异的病例时，容易出现知识应用僵化的问题^［13］。如在学习肺段支气管解剖时，对照组学员虽能背诵“右肺上叶分为尖段、后段、前段”，但在面对CT图像中支气管走行变异时，无法准确对应解剖部位，导致理论考试中案例分析题得分偏低。AI辅助3D重建可视化教学法则通过立体模型的直观呈现，推动学习模式向“理解型学习”转变。该教学法的优势体现在3个方面：①通过3D模型的360°旋转与分层剖切功能，学生可清晰观察肺段支气管的分支规律、纵隔淋巴结的分组特征等细节，建立“结构形态-空间位置”的关联认知，从本质上理解解剖知识的内在逻辑^［14］。本研究中，试验组学生在理论考试“肺段解剖与影像对应”题型中平均得分［（18.2±2.1）分］，高于对照组［（13.5±2.4）分］，正是这种理解型学习的直接体现。②AI软件支持将3D模型与二维CT断层图像实时联动，学生可通过点击模型中的解剖结构，自动定位至对应的CT断层，明确“立体结构-平面影像”的对应关系，避免了传统教学中“图谱与影像脱节”的问题^［15］。③结合PBL教学法设置的临床场景问题，如“老年患者CT示左肺下叶实变，结合3D模型分析可能受累的支气管与血管”，推动学生主动将解剖知识与临床问题结合，强化知识的应用能力^［16］。这种从“记忆”到“理解”再到“应用”的学习进阶，是试验组理论知识掌握更扎实的核心原因，也为学生后续的临床学习奠定了坚实基础。

3.3 精准解剖定位与临床思维协同发展，提升实践技能核心效能

实践技能考核是评估教学效果的关键环节，试验组在CT影像阅读、病灶定位、临床思维及术中评分方面均优于对照组（P<0.001），这一结果证实了AI辅助3D重建教学法在提升实践能力方面的显著优势，其核心机制是实现了解剖定位精准性与临床思维的协同发展。在CT影像阅读与病灶定位方面，传统教学的局限性尤为突出。二维CT图像中的解剖结构重叠问题，使得学生难以精准识别深部结构，如纵隔内的主动脉弓、上腔静脉与气管的毗邻关系，常出现“结构识别错误”“病灶定位偏差”等问题^［17］。在病灶定位考核中，试验组学员借助3D模型的空间定位功能，可快速确定病灶所在的肺段、毗邻的血管与支气管，如在定位“右肺中叶内侧段结节”时，能准确分析结节与中叶支气管、肺静脉的关系，而对照组学员常因空间想象不足，将中叶病灶误判为下叶病灶^［18］。

临床思维的培养是实践技能提升的更高层次需求，也是医学教育的核心目标。传统教学模式下，临床思维的培养多依赖教师的案例讲解，学生处于被动接受状态，难以形成主动分析问题的能力。而AI辅助3D重建教学法通过“模型演示-问题引导-分组讨论”的互动模式，推动临床思维的主动构建。如在学习“肺癌的CT影像诊断”时，教师通过3D模型展示肿瘤对肺门结构的侵犯范围，提出“该患者手术切除的安全边界应如何确定”的问题，学生通过操作模型分析肿瘤与肺动脉、支气管的关系，结合解剖知识提出手术方案建议，这一过程中不仅强化了解剖定位能力，更培养了“影像表现-解剖基础-临床决策”的逻辑思维^［19］。术中评分维度的显著差异也印证了这一点，试验组在模拟影像引导下穿刺场景时，能借助3D模型精准规划穿刺路径，规避肺动脉、支气管等关键结构，穿刺方案合理性评分显著高于对照组；而对照组因对解剖结构空间关系掌握不扎实，常出现穿刺路径风险评估不足的问题^［20］。这种解剖定位精准性与临床思维的协同发展，使试验组实践技能形成系统性优势，为其未来临床工作中的精准诊断与安全操作奠定了核心能力基础。

本研究存在以下局限性：①本研究为单中心研究，样本来源局限于单一医院，地域与人群代表性有限，未来需开展多中心、大样本研究进一步验证结论的普适性；②缺乏长期随访数据，目前仅评估了教学结束后短期的教学效果，未追踪学员在后续临床工作中对该教学方法所学知识与技能的应用持续性及长期效果；③教学模式中AI辅助教学与PBL教学的协同效应未单独拆分评估，虽通过文献回顾与理论分析证实AI辅助3D重建是核心增效因素，但未通过亚组分析明确两者各自的贡献度，未来可设计三臂试验（单纯AI教学组、单纯PBL教学组、AI+PBL教学组）进一步细化研究；④未考虑学生的个体差异（如空间想象能力、计算机操作基础）对教学效果的影响，可能存在混杂因素干扰。

4 结 语

基于3D重建的AI影像学可视化教学法是破解胸部CT解剖教学痛点的高效创新模式。该方法以技术革新为支撑，将二维CT影像转化为可交互3D模型，结合PBL实现教学模式从“知识灌输”到“探究学习”的转变。本研究通过量化数据证实，其创新教学模式能显著提升学生理论考试成绩、实践技能各维度表现及教学满意度，推动学习模式从“记忆型”向“理解型”跃升，实现精准解剖定位与临床思维的协同发展。该教学方法契合现代医学教育“能力导向”的需求，为胸部CT解剖教学提供了科学可行的新路径，具备重要的推广价值与应用前景。

参考文献

[1] 王辰，高占成. 内科学-呼吸与危重症医学分册［M］. 2版. 北京：人民卫生出版社，2022.

[2] 李果珍. 临床CT诊断学［M］. 北京：中国科学技术出版社，1994.

[3] D’Argenzio J， Esposito A， Pozzi J，et al. Optimizing diagnostic outcomes and sustainability in radiological practices：a multicentric study on guideline adherence and incidental findings in elective chest CT scans［J］. La Radiol Med，2026，131（1）：79-87.

[4] 丁文龙，刘学政. 系统解剖学［M］. 9 版.北京：人民卫生出版社，2018.

[5] Pak N， Zamani F， Atashi S，et al.Comparing the anatomy of the intrathoracic systemic central venous system in Iranian pediatrics and adults based on chest CT scan and evaluation of rate of catheter malposition in children［J］.Tehran Univ Med J， 2020， 78：366-371.

[6] Mukandayisenga M， Tabaro J， Chinene B，et al. Artificial intelligence in medical imaging：utilization，challenges，and practitioner perceptions in Rwanda［J］. J Med Imag Radiat Sci，2026，57（1）：102127.

[7] 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.

[8] 严陈晨，麦筱莉，辛小燕，等. 人工智能技术在医学影像实习教学中的探索［J］. 江苏卫生事业管理，2021，32（11）：1534-1538.

[9] 刘彩霞. 计算机辅助肺癌CT诊断教学关键技术研究［D］. 南京：南京师范大学，2021.

[10] 丁成，方子尧，沈子青，等. 三维重建工具在胸外科教学中的应用探析——以全自动胸部CT三维重建为例［J］. 教育教学论坛，2023（28）：34-39.

[11] 辛晓明，宋晓蕾，韩秋琴，等. 生成式人工智能促进医学教学改革的路径探索——基于医学院大学生的调研分析［J］. 卫生职业教育，2025，43（22）：105-108.

[12] 卞佳，王红霞，李泉，等.人工智能辅助诊断系统在医学影像诊断学实践教学中的应用研究［J］.中国高等医学教育，2024，（11）：103-104.

[13] 包磊，苗政，边琳芳，等. 人工智能在医学影像教学中的应用［J］. 吉林大学学报（信息科学版），2025，43（2）：412-421.

[14] 曾亮，李占峰，朱丽，等. 数智技术赋能医学影像学教学改革的探索与实践——五年制高职为例［J］. 教育视界，2025（7）：49-53.

[15] 高超，周小昀，郭超，等. 人工智能在胸外科规范化培训教学中肺结节分析与肺段切除规划的应用效果研究［J］. 中国胸心血管外科临床杂志，2025，32（4）：469-472.

[16] 曾亮，何晓瑾，王泉荃，等. 人工智能赋能医学影像学线上线下混合教学模式的实践研究［J］. 中国临床研究，2025，38（5）：700-705.

[17] 李玲，杨振涛，王聆文. AI联合BOPPPS教学模式在胸部影像学教学中的应用［J］. 继续医学教育，2024，38（11）：90-93.

[18] 胡方云，孙振虎，周建国. 人工智能技术在医学影像学教学中的应用与评估［J］. 中国卫生产业，2024，21（12）：152-155.

[19] 梁恒瑞. 人工智能工具在胸部肿瘤疾病辅助诊断与治疗中的研发与应用［D］. 广州：广州医科大学，2024.

[20] 吕鹏，汤敏，林江，等. AI辅助肺结节CT诊断在放射科住院医师规范化培训教学中的应用［J］. 中国毕业后医学教育，2024，8（2）：107-110.

RIGHTS & PERMISSIONS

本文使用遵循知识共享 署名-非商业性-禁止演绎4.0 协议（CC BY-NC-ND 4.0）， 详细信息请访问https：//creativecommons.org/licenses/by-nc-nd/4.0/.。