Page 17 - 《中国医疗器械杂志》2026年第1期

Chinese Journal of Medical Instrumentation 2026年 第50卷 第1期

医 学 人 工 智 能

安全，又为技术创新提供了合理空间。③在前瞻性 区构建的研究[J]. 中国医疗设备, 2021, 36(9): 159-162.
布局方面，一方面构建以患者为中心的生态系统。 [11] 林荫光, 陈森, 卢雱, 等. 乳腺癌术后放疗患者平静呼吸
下胸壁运动和器官受照剂量的变化[J]. 广西医学, 2021,
这需要组建包含放射肿瘤学家、医学物理师和数据
43(21): 2530-2534.
科学家的跨学科协作团队，共同制定从算法模型的 [12] 陈磊, 曾研, 曹晓欢, 等. 医学影像人工智能在未来智慧
开发到临床实际验证的全流程实施标准，从而既能 医院中的应用与探索[J]. 人工智能, 2024(4): 1-17.
确保AI技术的临床适用性，又能更好地满足患者的 [13] 杜晓刚, 王玉琪, 王福海, 等. 形变引导正则化的医学图
像Demons快速配准算法[J]. 小型微型计算机系统,
个体化需求。另一方面，建立动态的治疗监测系
2022, 43(12): 2580-2590.
统。结合实时采集到的患者影像学、剂量学和生物 [14] 宋湘芬, 林仕令, 宋磊, 等. 基于B样条的医学图像弹性
学指标，AI系统能够自动识别治疗情况，及时合理 配准[J]. 生物医学工程研究, 2017, 36(3): 213-217.
地调整放疗方案。 [15] 李碧草, 王岩, 王贝, 等. 基于自相似性上下文和混合注
意力的无监督可变形医学图像配准[J]. 中国医学物理
AI技术在乳腺癌放疗中已成功应用于医学图像
学杂志, 2025, 42(3): 305-312.
处理 、放疗计划自动生成和预后精准预测等多个
[54]
[16] 彭静, 闫佳荣, 沈瑜, 等. 基于大内核卷积和Transformer
关键环节，在各环节的应用不仅显著提升了治疗效 并行的三维医学图像配准模型[J]. 中国激光, 2025,
果，还改善了患者的临床结局。虽然目前仍存在一 52(3): 71-81.
定的技术挑战，但通过建立以患者为中心的生态系 [17] 陈璐莹, 喻国荣, 鲍海洲, 等. 基于Transformer的多尺度
可变形三维医学图像配准[J]. 计算机系统应用, 2025,
统、开发多中心联合学习平台、构建动态监测干预
34(1): 47-57.
[55]
系统以及完善AI医疗伦理规范 等多方面的努力， [18] 赵欣, 李鑫杰, 徐健, 等. 基于卷积神经网络与Transformer
有望进一步推动AI技术在乳腺癌放疗领域临床实践 并 行 的 医 学 图 像 配 准 模 型 [J]. 计 算 机 应 用 , 2024,
中的深入应用。 44(12): 3915-3921.
[19] 郭艳芬, 崔喆, 杨智鹏, 等. 基于深度学习的医学图像配
准技术研究进展[J]. 计算机工程与应用, 2021, 57(15):
参考文献
1-8.
[1] SIEGEL R L, KRATZER T B, GIAQUINTO A N, et al.
[20] WODZINSKI M, CIEPIELA I, KUSZEWSKI T, et al.
Cancer statistics, 2025[J]. CA Cancer J Clin, 2025, 75(1):
10-45. Semi-supervised deep learning-based image registration
[2] 中国抗癌协会乳腺癌专业委员会, 中华医学会肿瘤学 method with volume penalty for real-time breast tumor
分会乳腺肿瘤学组. 中国抗癌协会乳腺癌诊治指南与 bed localization[J]. Sensors, 2021, 21(12): 4085.
规范(2024年版)[J]. 中国癌症杂志, 2023, 33(12): 1092- [21] ANYFANTIS D, KOUTRAS A, APOSTOLOPOULOS
1187. G, et al. Breast density transformations using CycleGANs
[3] NOËL G, LE FÈVRE C, ANTONI D. Delineation of for revealing undetected findings in mammograms[J].
organs at risk[J]. Cancer Radiother, 2022, 26(1-2): 76-91. Signals, 2023, 4(2): 421.
[4] 傅玉川, 余行. 医学影像自动分割技术在放射治疗中的 [22] 林予松, 李孟娅, 李英豪, 等. 基于GAN和多尺度空间注
应用及发展趋势[J]. 中国医疗器械杂志, 2020, 44(5): 意力的多模态医学图像融合[J]. 郑州大学学报(工学
420-424. 版), 2025, 46(1): 1-8.
[5] SHEN J J, GU P H, WANG Y, et al. Advances in [23] 陈英, 林洪平, 张伟, 等. 医学图像数据集扩充方法研究
automatic delineation of target volume and cardiac 进展[J]. 生物医学工程学杂志, 2023, 40(1): 185-192.
substructure in breast cancer radiotherapy (Review)[J]. [24] 王观英. 医学图像配准方法研究[J]. 电脑知识与技术,
Oncol Lett, 2023, 25(3): 110. 2025, 21(6): 31-34.
[6] 汤江林, 陈明伟, 刘鲁根, 等. 人工智能技术用于肺癌放 [25] 周文文, 柴志菲, 徐明, 等. 基于深度学习构建高频超声-
射治疗靶区勾画中的临床效果研究[J]. 中国医学装备, 病理图像配准及组织成分预测模型的体外研究[J]. 肿
2024, 21(11): 7-11. 瘤影像学, 2024, 33(6): 586-592.
[7] 石佳琳, 杨宗耀, 赵雪. 基于先验约束的临床靶区自动 [26] XUE C, TANG F H, LAI C W K, et al. Multimodal
勾画方法对宫颈癌靶区勾画的应用研究[J]. 现代仪器 patient-specific registration for breast imaging using
与医疗, 2024, 30(6): 23-29. biomechanical modeling with reference to AI evaluation
[8] 韩敏, 路红, 朱鹰, 等. 基于多模态影像和临床特征融合 of breast tumor change[J]. Life, 2021, 11(8): 747.
的乳腺癌预后预测模型建立与验证[J]. 临床放射学杂 [27] BATUMALAI V, KOH E S, DELANEY G P, et al.
志, 2024, 43(9): 1478-1484. Interobserver variability in clinical target volume
[9] 徐娟, 韩薇, 李萍萍, 等. 保乳术后放疗通过瘤床手术夹 delineation in tangential breast irradiation: a comparison
位移确定热塑膜的理想应用场景[J]. 联勤军事医学, between radiation oncologists and radiation therapists[J].
2025, 39(2): 132-137. Clin Oncol, 2011, 23(2): 108-113.
[10] 林荫光, 黄向炼, 苏鑫, 等. 乳腺癌术后精确放疗计划靶 [28] 王沛沛, 李华玲, 顾宵寰, 等. 基于卷积神经网络模型乳

13