一種影像增強(qiáng)注射方案智能推薦及其控制系統(tǒng)的研究與開(kāi)發(fā)

摘 要：為了解決現(xiàn)有影像增強(qiáng)檢查過(guò)程中存在的造影劑注射方案不優(yōu)化、注射器控制不智能，各操作環(huán)節(jié)不連通的問(wèn)題，提出了一種基于Java開(kāi)發(fā)的一體化注射方案智能推薦與控制系統(tǒng)。通過(guò)智能化注射方案推薦，建立智能化的注射方案推薦模型，實(shí)現(xiàn)自動(dòng)推薦最合適注射方案，提高注射效果和安全性；通過(guò)結(jié)合注射設(shè)備和影像處理算法，實(shí)現(xiàn)自動(dòng)化注射方案控制，提高注射的準(zhǔn)確性和一致性；通過(guò)實(shí)時(shí)監(jiān)測(cè)注射過(guò)程中的影像數(shù)據(jù)和生物參數(shù)，對(duì)現(xiàn)有的檢查全流程進(jìn)行集成，保存并顯示過(guò)程數(shù)據(jù)，提高治療效果和患者的體驗(yàn)。最終，通過(guò)規(guī)則、案例推理與深度神經(jīng)網(wǎng)絡(luò)協(xié)同應(yīng)用，實(shí)現(xiàn)造影劑方案的智能生成，并通過(guò)長(zhǎng)連接實(shí)現(xiàn)對(duì)高壓注射器的反饋與控制，為提高影像增強(qiáng)的智能化程度、改善醫(yī)療過(guò)程和結(jié)果和促進(jìn)醫(yī)療結(jié)果互認(rèn)提供了良好的綜合方案。該系統(tǒng)已于華西醫(yī)院進(jìn)行應(yīng)用，能夠在影像增強(qiáng)檢查中簡(jiǎn)化操作，提高影像質(zhì)量，減輕對(duì)患者的身體損害，減少醫(yī)療資源的浪費(fèi)。

關(guān)鍵詞：電子計(jì)算機(jī)斷層掃描；造影劑；給藥方案；高壓注射器

中圖分類號(hào)：TP182文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1001-3695（2023）08-031-2442-05

doi：10.19734/j.issn.1001-3695.2023.04.0191

Research and development of intelligent recommendation of image enhancement injection scheme and its control system

Tian Chenyu Zhang Tao Li Zhenlin Yu Zeyuan

（1.West China Biomedical Big Data Center，West China hospital of Sichuan University，Chengdu 610041，China；2.School of Mechanical Engineering，Sichuan University，Chengdu 610065，China；3.School of Automation Engineering，University of Electronic Science amp; Technology of China，Chengdu 610097，China）

Abstract：The existing imaging enhancement examination process faces issues such as suboptimal contrast agent injection schemes，lack of intelligent control over injectors，and disconnected operation steps，this paper proposed a Java-based integrated intelligent recommendation and control system for injection schemes to address these problems.Through the intelligent injection scheme recommendation，it established a model for recommending optimal injection schemes to realize the automatic recommendation of the most suitable injection scheme，thereby improving the effectiveness and safety of injections.Additionally，by integrating the injection equipment with image processing algorithms，the system achieved automated control over the injection scheme，thereby enhancing accuracy and consistency during injections.Furthermore，by monitoring the image data and physiological parameters during the injection process in real time，the system integrated the existing examination process，saved and displayed the process data to improve treatment effectiveness and enhance the patient experience.Ultimately，through the coordinated application of rules，case-based reasoning and deep neural networks，the system achieved intelligent generation of contrast agent schemes.And it also realized feedback and control over the high-pressure injector through a persistent connection，which provided a good "comprehensive solution to improve the intelligence level of imaging enhancement，enhance the quality of medical processes and outcomes，and facilitate mutual recognition of medical results.The system has been successfully applied at West China Hospital，which can simplify operations in imaging enhancement examinations，improve image quality，reduce patient harm and medical resource waste.

Key words：CT scan；contrast agent；dosage regimen；high pressure syringe

0 引言

影像增強(qiáng)掃描采用電子計(jì)算機(jī)斷層掃描（computed tomography）技術(shù)，通過(guò)注射造影劑可以顯著提高病變的檢出率［1］，輔助醫(yī)生進(jìn)行病情的診斷。然而，增強(qiáng)掃描的圖像結(jié)果受到多個(gè)因素的影響，包括設(shè)備、患者個(gè)人情況、造影劑等［2］。其中，造影劑的種類、用量、注射速度等相關(guān)參數(shù)都顯著影響著圖像的結(jié)果［3］。CT造影劑具有一定毒性［4］，可能引發(fā)對(duì)比劑腎病等一系列毒副作用的產(chǎn)生，嚴(yán)重的患者需要接受透析治療，并會(huì)導(dǎo)致延長(zhǎng)住院的情況出現(xiàn)。某醫(yī)院在680例進(jìn)行增強(qiáng)掃描的患者中，出現(xiàn)中度反應(yīng)4例、輕度反應(yīng)41例、失敗7例［5］，這些毒副作用難以完全消除。而在現(xiàn)有影像增強(qiáng)的拍攝過(guò)程中，造影劑的注射方案幾乎完全由操作人員的經(jīng)驗(yàn)確定［6］，這種做法常常無(wú)法兼顧C(jī)T機(jī)器情況、造影劑情況與患者個(gè)體情況，這不僅導(dǎo)致患者產(chǎn)生毒副作用的幾率提高，也使得影像增強(qiáng)的圖像質(zhì)量參差不齊，更嚴(yán)重影響了跨醫(yī)院、跨區(qū)域的影像檢查結(jié)果互認(rèn)。此外，僅依賴操作人員的經(jīng)驗(yàn)來(lái)確定注射方案可能導(dǎo)致部分患者在長(zhǎng)時(shí)間注射和掃描后仍無(wú)法滿足圖像要求，嚴(yán)重影響患者的健康，并造成醫(yī)療資源的浪費(fèi)。

面對(duì)這一問(wèn)題，醫(yī)療專家系統(tǒng)是國(guó)內(nèi)外專家學(xué)者研究的一個(gè)方向，如Masivi［7］開(kāi)發(fā)的模糊醫(yī)療專家系統(tǒng)，能夠通過(guò)規(guī)則庫(kù)與事實(shí)庫(kù)的匹配輔助醫(yī)生進(jìn)行診斷；Pelaez等人［8］基于人工神經(jīng)網(wǎng)絡(luò)，開(kāi)發(fā)了針對(duì)心臟疾病的自動(dòng)診斷系統(tǒng)。然而，這類醫(yī)療專家系統(tǒng)通常依據(jù)檢查的結(jié)果輔助或代替醫(yī)生進(jìn)行診斷，而不能對(duì)檢查過(guò)程本身涉及的各類參數(shù)進(jìn)行優(yōu)化，同時(shí)也難以直接與一線醫(yī)療器械集成，對(duì)于一線操作人員提供的輔助作用有限。在CT增強(qiáng)掃描的一線操作方面，國(guó)內(nèi)外企業(yè)與科研單位也進(jìn)行了大量相關(guān)研究。德國(guó)Bayer開(kāi)發(fā)了P3T軟件，該軟件能夠?qū)崿F(xiàn)患者的個(gè)性化造影劑方案生成，但考慮的注射因素僅有體重一項(xiàng)；在注射過(guò)程中僅能實(shí)現(xiàn)數(shù)據(jù)的發(fā)送，難以實(shí)現(xiàn)高壓控制器的自動(dòng)中止，也無(wú)法獲得高壓注射的過(guò)程數(shù)據(jù)。江蘇恒瑞醫(yī)藥股份有限公司開(kāi)發(fā)的影像增強(qiáng)造影劑注射系統(tǒng)則需要手動(dòng)輸入各項(xiàng)注射參數(shù)，其數(shù)據(jù)傳輸無(wú)法直接上傳至醫(yī)院信息平臺(tái)，需要借助額外的物理媒介；成都金盤(pán)電子科大多媒體技術(shù)有限公司開(kāi)發(fā)的影像增強(qiáng)質(zhì)控平臺(tái)則主要面向開(kāi)單醫(yī)生，并通過(guò)規(guī)則推理產(chǎn)生注射方案，智能化、定制化程度仍顯不足，且不能直接控制一線操作器械，需要由操作人員查看數(shù)據(jù)再進(jìn)行錄入；四川大學(xué)開(kāi)發(fā)的CT對(duì)比劑智能應(yīng)用專家系統(tǒng)通過(guò)知識(shí)庫(kù)的構(gòu)建輔助一線人員確定造影劑用量［9］，但無(wú)法直接控制高壓注射器，增加了操作量。

上述的相關(guān)系統(tǒng)與研究都在三個(gè)方面存在問(wèn)題：造影劑注射方案考慮的參數(shù)不足，生成結(jié)果不夠智能化；注射器的控制與使用不夠智能化和便捷；各操作環(huán)節(jié)缺乏連通性，許多環(huán)節(jié)需要手動(dòng)完成。因此，開(kāi)發(fā)一款能夠應(yīng)用于增強(qiáng)掃描現(xiàn)場(chǎng)的影像增強(qiáng)注射方案智能推薦及控制系統(tǒng)，集成國(guó)產(chǎn)高壓注射器與醫(yī)院信息系統(tǒng)，存儲(chǔ)過(guò)程數(shù)據(jù)，應(yīng)對(duì)不同病患智能化生成并執(zhí)行注射方案是非常有必要的。該系統(tǒng)從醫(yī)院信息系統(tǒng)獲取患者信息，能夠?qū)崿F(xiàn)注射方案的智能生成功能、國(guó)產(chǎn)注射泵的精準(zhǔn)給藥過(guò)程控制及參數(shù)反饋功能與數(shù)據(jù)存儲(chǔ)功能。這些功能不僅能夠覆蓋已有系統(tǒng)的缺點(diǎn)，同時(shí)也能夠?qū)崿F(xiàn)優(yōu)化注射方案的生成，并進(jìn)一步提升圖像質(zhì)量，降低患者痛苦，減少醫(yī)療資源浪費(fèi)，并促進(jìn)跨醫(yī)院、跨區(qū)域的醫(yī)療結(jié)果互認(rèn)。

1 影像增強(qiáng)高壓注射智能控制系統(tǒng)的整體使用流程

影像增強(qiáng)的檢查過(guò)程涉及醫(yī)院信息系統(tǒng)、CT掃描機(jī)、高壓注射器的軟、硬件結(jié)合的過(guò)程。在傳統(tǒng)的影像增強(qiáng)檢查過(guò)程如圖1所示。首先需要建立患者病例，并在醫(yī)生診斷后進(jìn)行增強(qiáng)檢查開(kāi)單，并在患者預(yù)約時(shí)間后進(jìn)行拍攝，最后依據(jù)造影結(jié)果進(jìn)行診斷。此時(shí)，醫(yī)院信息系統(tǒng)需要將全過(guò)程的數(shù)據(jù)與結(jié)果進(jìn)行記錄，增強(qiáng)檢查開(kāi)單則在CT方案管理系統(tǒng)中進(jìn)行，該系統(tǒng)同時(shí)負(fù)責(zé)將數(shù)據(jù)發(fā)送給CT給藥系統(tǒng)與圖像數(shù)據(jù)庫(kù)，一線操作人員依據(jù)相關(guān)信息進(jìn)行高壓注射器與CT系統(tǒng)的操作，并通過(guò)臨床護(hù)理系統(tǒng)的相關(guān)信息對(duì)患者進(jìn)行護(hù)理工作。

傳統(tǒng)的檢查過(guò)程存在一些問(wèn)題，例如，方案管理系統(tǒng)生成方案后需要護(hù)士手動(dòng)輸入給藥系統(tǒng)，流程不夠自動(dòng)化。為了解決這些問(wèn)題，影像增強(qiáng)注射方案智能推薦及控制系統(tǒng)將CT方案管理系統(tǒng)與給藥系統(tǒng)集成。在掃碼后，系統(tǒng)直接從醫(yī)院信息系統(tǒng)中提取患者信息，并智能推薦或生成方案，然后控制高壓注射器。系統(tǒng)還能采集高壓注射器的過(guò)程數(shù)據(jù)，并在遇到突發(fā)事件時(shí)產(chǎn)生警報(bào)信號(hào)。其內(nèi)部流程如圖2所示。

影像增強(qiáng)注射方案智能推薦及控制系統(tǒng)的功能包括了注射過(guò)程的參數(shù)顯示、方案的智能生成、患者信息與過(guò)程數(shù)據(jù)的傳輸與獲取、高壓注射器的控制與警報(bào)共四項(xiàng)主要功能，其中，注射過(guò)程中的參數(shù)顯示、方案的智能生成、患者信息與過(guò)程數(shù)據(jù)的傳輸與獲取通過(guò)智能推薦系統(tǒng)實(shí)現(xiàn)，高壓注射器的控制與警報(bào)通過(guò)控制系統(tǒng)實(shí)現(xiàn)。

2 造影劑方案的智能生成

2.1 造影劑方案的影響參數(shù)

造影劑的注射方案涉及造影劑的種類、濃度、流量和流速四個(gè)主要指標(biāo)。這些指標(biāo)通過(guò)影響強(qiáng)化后的CT值來(lái)影響生成圖像的質(zhì)量。除此之外， CT機(jī)型與患者的個(gè)人因素也會(huì)影響造影的結(jié)果。CT的不同機(jī)型與探測(cè)器寬度影響了不同時(shí)期的觸發(fā)時(shí)間；而患者本人的年齡、性別、心功能、肺功能、血管情況、疾病狀況共同決定了其血流動(dòng)力學(xué)，從而影響了圖像的質(zhì)量。因此，在進(jìn)行造影劑方案生成或推薦時(shí)，CT的機(jī)型、患者的個(gè)人情況（包括患者曾經(jīng)進(jìn)行CT的情況）都會(huì)影響本次增強(qiáng)掃描所用造影劑方案的參數(shù)。

2.2 造影劑方案的生成流程

在進(jìn)行增強(qiáng)CT檢查的過(guò)程中，由于患者個(gè)體差異，一部分患者可能面臨更高的毒副作用風(fēng)險(xiǎn)。依據(jù)醫(yī)院相應(yīng)標(biāo)準(zhǔn)，患者將會(huì)被劃分為不同的危險(xiǎn)等級(jí)，共包括4種等級(jí)，其中最高等級(jí)（4級(jí)）的患者將不能進(jìn)行增強(qiáng)CT檢查，而對(duì)于3級(jí)和2級(jí)患者，對(duì)于造影劑的使用也有著更嚴(yán)格的要求，1級(jí)則為危險(xiǎn)等級(jí)最低，對(duì)于造影劑的使用沒(méi)有特別的限制。危險(xiǎn)等級(jí)的判斷是通過(guò)患者的既往病史信息（如是否有腎臟手術(shù)史、是否有哮喘等）進(jìn)行評(píng)估的。對(duì)于高危險(xiǎn)級(jí)別的患者，造影劑的方案需要參考更多以往的相關(guān)高危病患的案例，而這些案例的特異性較強(qiáng)，可以通過(guò)案例推理的方式，從相關(guān)病例中搜索最近似的情況。對(duì)于危險(xiǎn)等級(jí)較低的病患，相關(guān)的既往案例與數(shù)據(jù)較為全面，可以通過(guò)構(gòu)建深度學(xué)習(xí)網(wǎng)絡(luò)抽取數(shù)據(jù)特征，并直接生成相關(guān)的注射方案。造影劑方案的生成流程如圖3所示。

在獲取患者信息后，首先對(duì)參數(shù)進(jìn)行預(yù)處理。對(duì)于數(shù)值型參數(shù)進(jìn)行歸一化處理，類別型參數(shù)采用獨(dú)熱編碼進(jìn)行表達(dá)。除此之外，依據(jù)患者進(jìn)行CT的不同部位，相關(guān)的方案將被拆分。參數(shù)處理后，相關(guān)病史通過(guò)詞典抽取關(guān)鍵詞，并與規(guī)則庫(kù)進(jìn)行匹配，自動(dòng)確定患者的危險(xiǎn)等級(jí)。對(duì)于危險(xiǎn)等級(jí)較高的患者，采用案例推理的方式進(jìn)行參數(shù)推薦，并提醒操作人員該病患的危險(xiǎn)程度較高。對(duì)于危險(xiǎn)等級(jí)較低的患者，基于深度神經(jīng)網(wǎng)絡(luò)自動(dòng)生成造影劑注射方案。

2.3 基于案例推理的方案推薦

2.4 基于深度學(xué)習(xí)的方案生成

深度學(xué)習(xí)技術(shù)可以抽取數(shù)據(jù)間的特征，實(shí)現(xiàn)參數(shù)的生成或預(yù)測(cè)，并被廣泛使用于醫(yī)學(xué)領(lǐng)域［11］。當(dāng)患者的危險(xiǎn)等級(jí)較低時(shí)，可以通過(guò)大量的既往案例數(shù)據(jù)進(jìn)行學(xué)習(xí)，抽取其特征，并用于預(yù)測(cè)。基于深度學(xué)習(xí)的方案生成需要建立深度神經(jīng)網(wǎng)絡(luò)，一個(gè)典型的深度神經(jīng)網(wǎng)絡(luò)如圖4所示。

3 高壓注射器的精準(zhǔn)給藥與過(guò)程控制

由于影像增強(qiáng)注射方案智能推薦及控制系統(tǒng)整體基于Windows平臺(tái)開(kāi)發(fā)，網(wǎng)頁(yè)端的操作模式具有輕便可靠的特點(diǎn)。然而，直接介入高壓控制器的控制過(guò)程仍存在延遲過(guò)高等問(wèn)題。相比之下，嵌入式控制系統(tǒng)具有魯棒性強(qiáng)、可靠性高的優(yōu)點(diǎn)［12］。所以，在高壓注射器的控制方面，采用了上位機(jī)+嵌入式控制器+傳感器的控制模式，通過(guò)嵌入式控制器控制高壓注射泵。

a）上位機(jī)系統(tǒng)。使用注射方案智能推薦系統(tǒng)作為上位機(jī)，負(fù)責(zé)發(fā)送完整的注射方案信息，其中包括流量、流速、藥物種類與濃度，并發(fā)送注射過(guò)程的開(kāi)始信號(hào)與停止信號(hào)。

b）傳感器。包括多個(gè)流量、流速、位置、速度、角度與壓力傳感器，用于收集高壓注射器的流量、流速、位姿與壓力信息。

c）嵌入式控制器。使用現(xiàn)場(chǎng)可編程門陣列（field-programmable gate array，F(xiàn)PGA），負(fù)責(zé)高壓注射器的精準(zhǔn)控制；采用PID控制，將上位機(jī)發(fā)送的流量、流速、藥物種類與濃度信息轉(zhuǎn)化為控制信號(hào)，并采集傳感器的傳感信號(hào)，保證注射過(guò)程中的造影劑種類、流量、流速與上位機(jī)發(fā)送的設(shè)定參數(shù)一致，避免過(guò)大的偏差產(chǎn)生；同時(shí)將實(shí)際產(chǎn)生的壓力、流速、流量數(shù)據(jù)返回給上位機(jī)系統(tǒng)。此外，整體系統(tǒng)采用防呆設(shè)計(jì)，需要將注射器調(diào)整到一定角度范圍內(nèi)才能夠進(jìn)行注射操作。

具體的精準(zhǔn)給藥與過(guò)程控制如圖5所示。在此基礎(chǔ)上，當(dāng)突發(fā)情況產(chǎn)生時(shí)，高壓注射器將自動(dòng)停止并報(bào)警，警報(bào)信息同時(shí)將被傳送到上位機(jī)并通過(guò)注射方案智能推薦系統(tǒng)實(shí)時(shí)顯示與記錄，這些警報(bào)情況主要包括：液體用盡；漏液；液體管路破損；注射器角度發(fā)生變化；注射壓力過(guò)大；流量、流速傳感器檢測(cè)值與設(shè)定不同。

除此之外，當(dāng)上位機(jī)發(fā)送中止信號(hào)時(shí)，高壓注射器也將停止工作。

4 系統(tǒng)開(kāi)發(fā)與應(yīng)用

該影像增強(qiáng)注射方案智能推薦及控制系統(tǒng)采用B/S（browser/server）結(jié)構(gòu)開(kāi)發(fā)。服務(wù)端負(fù)責(zé)進(jìn)行信息傳輸、規(guī)則推理、案例推理、方案生成與數(shù)據(jù)庫(kù)訪問(wèn)等功能；瀏覽端則主要提供信息的展示，并收集操作人員對(duì)方案進(jìn)行的修改與注射器的控制情況。該系統(tǒng)在Windows環(huán)境下進(jìn)行開(kāi)發(fā)，采用Java作為開(kāi)發(fā)語(yǔ)言，開(kāi)發(fā)工具使用MyEclipse，采用MySQL對(duì)數(shù)據(jù)庫(kù)進(jìn)行管理。Web容器使用Tomcat，并在JDK8環(huán)境下運(yùn)行，瀏覽器端可通過(guò)Chrome、Firefox等方式訪問(wèn)。在系統(tǒng)的實(shí)現(xiàn)過(guò)程中，使用了SSH（Struts2、Spring、Hibernate）框架，部分代碼展示如圖6所示。

針對(duì)醫(yī)院信息系統(tǒng)，影像增強(qiáng)注射方案智能推薦系統(tǒng)采用http協(xié)議，使用WebService方式連接，并通過(guò)XML格式進(jìn)行文件傳輸，字符編碼采用UTF-8編碼；針對(duì)高壓注射器的控制，通過(guò)長(zhǎng)連接接入高壓注射器進(jìn)行控制，字符編碼采用UTF-8編碼。該系統(tǒng)的使用情況如圖7所示，圖中1所示為高壓注射器實(shí)體，以及其內(nèi)部的嵌入式控制系統(tǒng)；圖中2所示為注射方案智能推薦系統(tǒng)。通過(guò)網(wǎng)頁(yè)端的形式，該推薦系統(tǒng)可以被訪問(wèn)，并與高壓注射器連接，實(shí)現(xiàn)對(duì)高壓注射器的控制。

高壓注射器的工作情況可以通過(guò)推薦系統(tǒng)進(jìn)行查看，如圖8所示。高壓注射器按照規(guī)定的流量、流速進(jìn)行工作，并對(duì)工作過(guò)程中的流量、流速與壓力數(shù)據(jù)予以記錄與顯示。

如圖9、10所示，影像增強(qiáng)注射方案智能推薦及控制系統(tǒng)的工作流程共有八個(gè)步驟：a）使用掃碼槍掃碼，或是手動(dòng)輸入患者編號(hào)；b）系統(tǒng)自動(dòng)獲取患者信息；c）系統(tǒng)依據(jù)患者信息自動(dòng)生成或推薦注射方案；d）現(xiàn)場(chǎng)操作人員可以依據(jù)實(shí)際情況修改方案；e）系統(tǒng)鎖定，注射即將開(kāi)始；f）開(kāi)始注射；g）注射開(kāi)始，相關(guān)參數(shù)開(kāi)始實(shí)時(shí)顯示；h）注射結(jié)束，顯示結(jié)束的相關(guān)頁(yè)面。

在經(jīng)過(guò)步驟h）后，該系統(tǒng)的一個(gè)工作流程結(jié)束，可以通過(guò)再次掃碼重復(fù)執(zhí)行信息獲取—方案生成—注射器控制的步驟。相關(guān)系統(tǒng)已在某醫(yī)院影像科室應(yīng)用。

相較于傳統(tǒng)的影像增強(qiáng)注射方案，本文基于Java開(kāi)發(fā)的一體化注射方案智能推薦與控制系統(tǒng)具有以下優(yōu)勢(shì)和創(chuàng)新點(diǎn)：

a）個(gè)性化推薦。傳統(tǒng)的注射方案往往基于醫(yī)生經(jīng)驗(yàn)和專業(yè)知識(shí)，缺乏個(gè)性化考慮。而本系統(tǒng)采用智能推薦算法，能夠根據(jù)患者的病情、影像數(shù)據(jù)和生物參數(shù)，為每個(gè)患者推薦最合適的注射方案。這種個(gè)性化推薦可以提高注射效果和安全性，并減少不必要的影響。

b）自動(dòng)化控制。傳統(tǒng)的注射方案控制通常需要醫(yī)生手動(dòng)調(diào)整注射器參數(shù)，存在主觀因素和人為誤差。而本文系統(tǒng)結(jié)合注射設(shè)備和影像處理算法，實(shí)現(xiàn)自動(dòng)化注射方案控制。系統(tǒng)根據(jù)智能推薦模型提供的注射方案，自動(dòng)調(diào)整注射器參數(shù)，提高注射的準(zhǔn)確性和一致性。

c）實(shí)時(shí)監(jiān)測(cè)與集成化處理。傳統(tǒng)的注射過(guò)程監(jiān)測(cè)仍是空白，數(shù)據(jù)處理通常是分散的，缺乏整合和統(tǒng)一的管理。而本文系統(tǒng)具備實(shí)時(shí)監(jiān)測(cè)注射過(guò)程中的影像數(shù)據(jù)和生物參數(shù)的能力，并將其集成到系統(tǒng)中進(jìn)行處理和存儲(chǔ)。醫(yī)生可以實(shí)時(shí)監(jiān)測(cè)注射過(guò)程，獲取全面的數(shù)據(jù)支持，并進(jìn)行更精確的診斷和治療。

通過(guò)與現(xiàn)有方案的對(duì)比，本文設(shè)計(jì)的系統(tǒng)在個(gè)性化推薦、自動(dòng)化控制和實(shí)時(shí)監(jiān)測(cè)等方面更具優(yōu)越性。這些創(chuàng)新點(diǎn)和優(yōu)勢(shì)使得系統(tǒng)能夠提高注射方案的精確性、減少人為誤差，并改善醫(yī)療效果和患者體驗(yàn)。具體參數(shù)如表1所示。

5 結(jié)束語(yǔ)

如何實(shí)現(xiàn)CT影像的高質(zhì)量拍攝一直是備受關(guān)注的問(wèn)題，影像增強(qiáng)注射方案智能推薦及控制系統(tǒng)直接從醫(yī)院信息系統(tǒng)中獲取信息，智能生成方案，并直接控制高壓注射器進(jìn)行工作，該系統(tǒng)的應(yīng)用具有以下效果：a）依據(jù)既往案例信息與相關(guān)醫(yī)學(xué)數(shù)據(jù)，智能化、個(gè)性化生成造影劑注射方案，能夠依據(jù)不同患者的情況生成最合適的方案，減少對(duì)患者身體的損害，提升圖像拍攝的質(zhì)量；b）直接控制高壓注射器，減少臨床人員的操作量，減小了操作失誤的風(fēng)險(xiǎn)，通過(guò)采集高壓注射器的返回信息，實(shí)現(xiàn)數(shù)據(jù)的存儲(chǔ)與集成，輔助內(nèi)部算法的更新；c）提供相對(duì)統(tǒng)一的標(biāo)準(zhǔn)，保證拍攝結(jié)果的同質(zhì)化，能夠促進(jìn)跨醫(yī)院、跨區(qū)域的醫(yī)療互認(rèn)。

本文系統(tǒng)后續(xù)研究還可以根據(jù)不斷積累的大量數(shù)據(jù)，采用更新型神經(jīng)網(wǎng)絡(luò)持續(xù)深度學(xué)習(xí)優(yōu)化注射推薦方案及控制過(guò)程，實(shí)現(xiàn)對(duì)比劑的智能匹配、注射方案推薦及過(guò)程管控、患者留觀記錄的全閉環(huán)管理，更好地實(shí)現(xiàn)不同廠商不同設(shè)備不同型號(hào)的醫(yī)學(xué)影像的高質(zhì)量同質(zhì)化及跨醫(yī)院、跨區(qū)域檢查結(jié)果的完全互認(rèn)。

參考文獻(xiàn)：

［1］Liao Weihua，Lei Peng，Pan Jinbin，et al.Bi-DTPA as a high-performance CT contrast agent for in vivo imaging［J］.Biomaterials，2019，203：1-11.

［2］Panetta D，Gabelloni M，F(xiàn)aggioni L，et al.Cardiac computed tomography perfusion：contrast agents，challenges and emerging methodo-logies from preclinical research to the clinics［J］.Academic Radio-logy，2021，28（1）：E1-E13.

［3］胡茂清.基于身體指數(shù)計(jì)算主動(dòng)脈和肝臟CT增強(qiáng)碘對(duì)比劑用量的臨床研究［D］.南方醫(yī)科大學(xué)，2016.（Hu Maoqing.Clinical study on the adjustment of iodine contrast medium dose based on body index in aortic and liver enhanced CT scans［D］.Southern Medical University，2016.）

［4］Jeong Y，Jin Minyong，Kim K S，et al.Biocompatible carbonized iodine-doped dots for contrast-enhanced CT imaging［J/OL］.Biomaterials Research，2022.http：//doi.org/10.1186/s40824-022-00277-3.

［5］Winklhofer S，Lin W C，Wang Z J，et al.Comparison of positive oral contrast agents for abdominopelvic CT［J］.American Journal of Roentgenology，2019，212（5）：1037-1043.

［6］史金雁.高壓注射器在CT增強(qiáng)掃描中的應(yīng)用與探討［J］.中國(guó)醫(yī)藥指南，2016，14（18）：81.（Shi Jinyan.Application and discussion of high-pressure injector in CT-enhanced scanning ［J］.Guide of China Medicine，2016，14（18）：81.）

［7］Masivi O M.Fuzzy expert system generalised model for medical applications［J］.Applied Computer Systems，2019，24（2）：128-133.

［8］Pelaez J I，Gomez-Ruiz J A，F(xiàn)ornari J，et al.Automatic identification of characteristic points related to pathologies in electrocardiograms to design expert systems［J］.Soft Computing，2019，23（12）：4207-4219.

［9］田宸宇，唐聃，趙武.CT對(duì)比劑智能應(yīng)用專家系統(tǒng)的研究與開(kāi)發(fā)［J］.計(jì)算機(jī)應(yīng)用研究，2017，34（7）：2088-2090.（Tian Chenyu，Tang Dan，Zhao Wu.Research and development of CT contrast agent intelligent application expert system［J］.Application Research of Computers，2017，34（7）：2088-2090.）

［10］顧東曉，李曉玥，謝懿，等.基于體測(cè)健康大數(shù)據(jù)的灰色案例推理與個(gè)性化知識(shí)服務(wù)方法［J］.情報(bào)科學(xué)，2021，39（12）：3-8.（Gu Dongxiao，Li Xiaoyue，Xieyi，et al.Case-based reasoning and persona-lized service based on physical testing big data［J］.Information Science，2021，39（12）：3-8.）

［11］姚瓊，王覓也，師慶科，等.深度學(xué)習(xí)在現(xiàn)代醫(yī)療領(lǐng)域中的應(yīng)用［J］.計(jì)算機(jī)系統(tǒng)應(yīng)用，2022，31（4）：33-46.（Yao Qiong，Wang Miye，Shi Qingke，et al.Application of deep learning in modern healthcare［J］.Computer Systems amp; Applications，2022，31（4）：33-46.）

［12］Raha A，Chakrabarty A，Raghunathan V，et al.Embedding approximate nonlinear model predictive control at ultrahigh speed and extremely low power［J］.IEEE Trans on Control Systems Technology，2020，28（3）：1092-1098.