基于深度学习的医学影像质控系统在 CT/MRI 图像伪影识别中的应用
摘要
摘要
本研究构建基于深度学习的医学影像质控系统，评估其在 CT/MRI 图像伪影识别中的临床应用
价值。方法：回顾性纳入 2024 年 6 月—2026 年 1 月我院 80 例患者影像数据（CT 42 例、
MRI 38 例），构建融合注意力机制的深度学习模型，识别金属、运动、磁敏感等常见伪影；
以高年资医师双盲评估为金标准，计算模型准确率、敏感度、特异度及 F1 值，对比传统人工
与深度学习质控效能。结果：系统伪影识别整体准确率 92.50%、敏感度 91.89%、特异度
93.10%、F1 值 0.92；CT 金属伪影准确率 94.12%，MRI 运动伪影准确率 91.67%；单例质控
耗时（1.2±0.3）s，显著短于人工（125.6±20.5）s（P＜0.001）；重复扫描率由 18.75%降
至 6.25%（P＜0.05）。结论：该系统可精准快速识别 CT/MRI 伪影，提升质控效率与影像质
量，减少重复扫描，降低患者辐射暴露与检查时长，具备重要临床推广价值。
关键词
无
发表时间
2026年07月01日（期刊网平台发表日期，不代表实际的发表时间）
