文章：《人工智能在医学CT图像重建中的研究进展》

    作者：李青、李润睿、强彦、成煜斌、王涛

    学报：太原理工大学学报，2023年第1期

    评荐：刘旭光（太原理工大学材料与化工学部副主任、学报常务副主编）

    计算机断层扫描（CT）图像是临床医学中广泛使用的一种医学图像。在临床操作中，为防止患者暴露在高辐射X射线束下引起组织损伤，医学诊断力通常以尽可能小的X射线来获得CT图像，但这样会导致成像质量下降。因此，如何重建符合临床需求的CT图像成为学界广泛关注的难点。

    随着人工智能领域深度学习技术蓬勃发展，在大数据驱动下，利用深度学习技术提升CT图像重建质量成为当前研究热点。该文综述了国内外CT图像重建方面的研究现状，分析了CT图像退化原理，对传统方法及深度学习方法在CT图像重建领域的应用进行了分类讨论，对重建过程采用的损失函数的性能进行了评测和总结分析。为帮助医师实现高效准确地诊断和决策，临床上对自动化医学图像分析的需求正不断增加，这为将基于深度学习的方法广泛应用于临床提供了大量机会。随着计算能力快速发展和深度学习模型不断优化，深度学习有望在实现快速、便携、安全和廉价的医学成像方面发挥重要作用。

    （本期内容由中国高校科技期刊研究会联合策划）

    专栏主持人：刘若涵

    电话：010-58884097

    邮箱：liurh@stdaily.com