2026, Vol. 46
2. 中国疾病预防控制中心辐射防护与核安全医学所 中国疾病预防控制中心辐射防护与核应急重点实验室, 北京 100088;
3. 首都医科大学附属北京友谊医院放射科, 北京 100050;
4. 四川省疾病预防控制中心, 成都 610041
2. Key Laboratory of Radiological Protection and Nuclear Emergency, China CDC, National Institute for Radiological Protection, Chinese Center for Disease Control and Prevention, Beijing 100088, China;
3. Beijing Friendship Hospital, Capital Medical University, Beijing 100050, China;
4. Institute of Occupational Health and Radiological Health, Sichuan Center for Disease Control and Prevention, Chengdu 610041, China
20世纪70年代计算机体层成像(computed tomography, CT)自问世以来，其高空间分辨率、快速成像优势使其迅速成为全身各系统疾病筛查、诊断与随访的核心影像学手段。随着CT设备在全球范围内的普及，检查量的逐年攀升，其电离辐射的潜在风险也日益引发公众与学界的广泛关注。据统计，2009—2018年全球范围内共完成约4.03亿次CT检查，较2006年预估的2.2亿次检查量几乎翻倍[1]。而CT检查量仅占放射医学与核医学检查的9.6%，却贡献了估计年集体有效剂量的61.7%。如何在保证诊断准确性的前提下降低辐射剂量，实现“合理可行尽量低”(as low as reasonably achievable, ALARA)原则，已成为CT领域面临的核心挑战。
因此，低剂量CT(low-dose CT, LDCT)技术应运而生，历经硬件革新、扫描参数智能调制及图像重建算法的迭代，使其能够在显著降低辐射剂量的同时获得满足诊断要求的图像质量。特别是近年来光子计数CT、深度学习(deep learning, DL)等技术的引入，使得超低剂量CT成像成为可能[2-6]。与此同时，传统辐射防护策略正经历深刻变革，接触式屏蔽防护的利弊重评、诊断参考水平(diagnostic reference levels, DRLs)的建立以及X射线组织权重因子的调整，共同勾勒出从降低剂量向精准剂量转型的临床路径。
一、低剂量CT成像技术的临床研究进展1.超低管电压与自动管电流调制技术的应用：降低管电压(kVp)和管电流时间积(mAs)是降低CT辐射剂量的基础策略。根据CT剂量指数(CTDI)与管电压的平方近似成正比、与管电流呈线性关系的物理特性，采用低管电压或低管电流可显著降低辐射剂量。传统观念认为降低管电压会增加图像噪声，限制了该技术的推广应用。近年来，随着探测器效率和重建算法的进步，超低管电压技术得以推广。
研究表明，与常规100 kVp主动脉CT血管成像(CTA)检查相比，采用60 kVp管电压结合DL重建算法，能够保证图像质量的同时减少45%的辐射剂量与50%的对比剂用量[7]。另外一项超低管电压冠状动脉CT血管造影的研究表明，采用60 kVp管电压结合DL重建算法可减少86.5%的辐射剂量与36.4%的对比剂用量[8]。胡云龙等[9]的研究表明，70 kV低剂量CTP结合DLIR算法可显著改善图像质量，降低噪声约28.5%，且不影响心肌血流量(MBF)计算，能有效评估冠心病患者血流动力学状态。
自动管电流调制(automatic tube current modulation, ATCM)技术通过实时调整管电流以适应患者体型和扫描部位的衰减变化，实现了剂量的个体化调节，确保在噪声水平恒定的前提下，对较薄或低衰减区域自动降低管电流，对较厚或高衰减区域适当增加管电流。随着技术的不断完善，自动管电流调制技术已成为现代CT设备的标准配置。临床研究显示，ATCM技术可在保持图像质量的同时，实现15%~40%的剂量降低，且对于体质量指数(body mass index, BMI) < 25 kg/m2的患者，超低管电压结合ATCM的策略尤为有效[10]。另外，自动管电压调制技术也可根据患者体型优化CT辐射剂量。颜冰清等[11]的研究表明，Auto-kV联合Clear Infinity算法可在降低CCTA检查辐射剂量与对比剂用量的同时提升图像质量，其中30%~50%权重的Clear Infinity重建主观评分最佳，推荐作为临床常规重建方案。
2.深度学习重建算法的图像质量提升：图像重建算法是低剂量CT成像质量保障的关键环节。CT图像重建算法经历了从滤波反投影(filtered back projection, FBP)到迭代重建(iterative reconstruction, IR)，再到深度学习图像重建(deep learning image reconstruction, DLIR)的技术演进[2]。
DLIR算法基于深度卷积神经网络，通过训练数百万对的高、低质量图像，学习噪声特征与解剖结构的映射关系，能够在不影响解剖细节和图像纹理的情况下有效抑制噪声，从而在极低剂量条件下重建出高质量图像[2, 12]。以一种目前已在临床中广泛使用的深度学习算法TrueFidelity(美国GE Healthcare公司)为例，体模研究结果显示，与IR算法ASIR-V(美国GE Healthcare公司)相比，在保持图像质量的前提下，TrueFidelity低、中、高3种强度可分别降低17%、34%和48%的辐射剂量[13]。
3.光子计数CT的辐射剂量优化：光子计数CT(photon-counting detector CT, PCD-CT)代表了CT硬件技术的革命性突破。与传统能量积分探测器(energy-integrating detector, EID-CT)将X射线光子能量累加整合不同，PCD-CT采用碲化镉(CdTe)、碲化镉锌(CZT)等半导体材料，直接对单个光子进行计数并解析其能量，实现了能量分辨成像[14]。
PCD-CT通过三大机制实现剂量优化：消除电子噪声，提高信噪比；能量均衡加权，使低能光子对图像对比度的贡献得到充分利用，显著提升低能光子的可检测性，从而增强对比噪声比；无隔板探测器设计，像素尺寸可达0.15 mm×0.18 mm，提升空间分辨率和探测效率[14-15]。这些特性使PCD-CT在降低剂量的同时改善图像质量，突破了传统CT辐射剂量与图像噪声的权衡限制。
在胸部CT中，PCD-CT可在显著降低辐射剂量的同时保持图像质量并控制噪声水平[16-17]。在心血管成像中，PCD-CT通过虚拟平扫(virtual non-contrast, VNC)技术，可从增强扫描数据中生成钙化积分图像，避免重复平扫，进一步降低辐射剂量。一项体模研究表明，PCD-CT在盆腔CT检查中最多可降低50%的辐射剂量，为辐射敏感人群(儿童、孕妇、需多次随访者)提供了重要保障[18]。
4. PET/MR与PET/CT的低剂量成像：正电子发射断层显像(PET)与CT或磁共振(MR)的融合成像在肿瘤、神经和心血管疾病的诊断中具有独特价值。然而，PET/CT的辐射剂量既来自放射性药物(如18F-FDG)，也来自CT部分，总有效剂量可达10~25 mSv。辐射防护策略包括：优化PET药物剂量(根据体重和扫描时间调整)、采用低剂量CT协议(用于衰减校正而非诊断)，以及PET/MR替代(消除CT辐射)。林华等[19]研究表明，采用Q.Clear算法联合33.3%放射性药物剂量，可获得与全剂量OSEM重建算法相当的图像质量，为制定低剂量扫描方案提供依据。
在PET/CT设施设计中，辐射防护需同时考虑CT的X射线屏蔽和放射性药物的γ射线屏蔽。铅衬墙体、铅玻璃观察窗和分区管理(控制区、监督区)是标准配置。对于移动PET/CT单元，需采用轻量化但高效的屏蔽材料以满足便携性和安全性要求。
二、困难与挑战1.低剂量成像在图像噪声与诊断效能之间的平衡：低剂量CT成像的核心矛盾在于辐射剂量降低导致的图像噪声增加与诊断信心维持之间的平衡。尽管深度学习重建算法和PCD-CT等技术显著改善了低剂量图像质量，但剂量降低的边界仍是临床关注的焦点。深度学习重建算法在噪声抑制方面表现出色，但过度平滑可能掩盖细微病理改变，产生蜡状伪影或降低空间分辨力。过度降低剂量，可能导致噪声残留、低对比度病灶检出率下降。另外，特别是在肥胖患者中，超低管电压策略的适用性受限。
2.不同体型、不同设备下的剂量标准化问题：CT辐射剂量受患者体型、设备型号、扫描协议等多重因素影响，建立统一的剂量标准化体系面临挑战。体型特异性剂量估算(size-specific dose estimate, SSDE)虽在一定程度上校正了患者体型差异，但不同厂商设备的剂量报告格式、迭代重建算法的剂量节省效应建模仍存在差异。
当前CT设备厂商众多(GE、Siemens、Philips、Canon、联影等)，各家的ATCM、迭代重建和深度学习算法原理各异，导致相同临床场景下的剂量水平存在显著差异。此外，患者体型(BMI、胸廓径线)对剂量-图像质量关系的影响复杂，现有DRLs多基于一般人群，跨地区、跨设备的通用性有限。建立基于体型特异性的DRLs和跨平台剂量学比较体系，是未来的重要研究方向。
3.防护措施的个体化与临床推广难点：尽管美国医学物理师协会(American Association of Physicists in Medicine, AAPM)等国际机构建议停止常规屏蔽防护，但临床实践的转变面临多重障碍：①患者心理预期：屏蔽提供了可见的安全感，取消可能引发焦虑。②法律与伦理：部分地区的法规仍要求屏蔽，医疗机构担心法律风险。③教育培训：放射技师和医师需更新知识体系，理解现代防护原理。④特殊场景争议：对于需多次CT检查的患者，屏蔽是否仍有价值尚无定论。
此外，患者体型与协议匹配、对比剂用量与低kV扫描的协同优化，以及儿童特殊人群的剂量限制，均需要在临床工作中进行精细化调整，这对放射科工作流程提出了更高要求。在医疗资源及人员较为紧张的区域，如何兼顾效率与CT辐射剂量的精准化仍需更多的探索[20]。
三、敏感器官屏蔽防护的循证再评价电离辐射对敏感器官和组织(如性腺、甲状腺、乳腺、眼晶状体等)的潜在危害是CT辐射防护的重点。传统CT辐射防护依赖于铅橡胶屏蔽(如铅橡胶围裙、铅橡胶颈套)对敏感器官的保护。然而，在如今低剂量医学影像技术逐渐普及的情况下接触式屏蔽防护的收益已开始受到挑战。王柯昕等[21]在机构CT辐射剂量诊断参考水平的建立与控制趋势分析中通过回顾性分析2022-2024年93万余例CT检查数据，建立本机构10个常见部位的DRL，证实所有部位DRL均显著低于《WS/T637-2018》标准，且2024年多数部位剂量呈优化下降趋势，体现了良好的辐射防护质量管理可有效降低患者的辐射剂量。
研究表明，CT辐射损伤主要来自扫描野内的内部散射(占视野外暴露的90%)，表面屏蔽的效果较为有限[22-23]。文大光等[24]在铅单巾放置位置对自动管电流调制技术CT胸部扫描辐射剂量及性腺辐射剂量影响的体模研究中发现，铅单巾放置位置需根据探测器宽度个体化选择。19.2~22.4 mm探测器为2 cm及以上，38.4与57.6 mm探测器为6 cm及以上，可在确保扫描区域整体辐射剂量指标增幅≤2.1%的前提下，显著降低卵巢散射剂量(55.6%~70.3%)。但甲状腺常与胸部CT扫描范围重合，远未达到在扫描野外2~6 cm的需求。胸部CT扫描中对甲状腺防护的意义尚需新的研究进一步探讨。
当屏蔽位于扫描野内时，会严重干扰自动曝光控制(automatic exposure control, AEC)系统，导致系统误判为组织衰减增加，反而增加管电流和辐射输出，造成患者整体剂量升高。此外，屏蔽产生的伪影可能遮盖关键病变，导致检查失败需重复扫描，进一步增加辐射风险。屏蔽物的放置位置、扫描参数的自动调制响应以及屏蔽物本身产生的伪影问题，需要在临床应用中加以权衡。
2019年AAPM发布声明，建议停止常规使用患者性腺和胎儿屏蔽。美国放射学会(ACR)、美国国家辐射防护与测量委员会(NCRP)和美国放射技师学会(ASRT)均支持AAPM的建议，认为在腹部和盆腔成像中屏蔽胎儿和性腺可能导致重复曝光的风险，这一风险超过了屏蔽带来的有限剂量降低的潜在获益[23, 25-26]。对于儿童患者，由于其组织对辐射更为敏感且预期寿命更长，实施严格的屏蔽防护和剂量优化具有更为重要的公共卫生意义。对于孕妇和儿童等特殊人群，应优先考虑MRI或超声等无辐射检查，而非依赖屏蔽防护[23, 27]。
当前国际共识强调，CT辐射防护的重心应从接触式屏蔽转向技术优化。提倡严格掌握检查适应证、优化扫描范围(避免过度扫描)、采用器官特异性管电流调制保护眼晶状体等敏感器官，以及应用迭代重建和深度学习算法降低剂量。
传统的接触式屏蔽防护收益较为有限，却存在干扰ATCM、降低图像质量，甚至造成检查失败、重复检查，导致辐射剂量增加的风险。在如今低剂量医学影像技术大力发展的状况下，接触式屏蔽防护的效能值得重新审视。胸部CT检查接触屏蔽防护用品规范使用专家共识基于辐射防护核心准则，提出不推荐常规甲状腺接触屏蔽。对于腹盆部及性腺防护，建议根据患者性别、体型及设备特性进行精准化防护，窄探测器安全距离为2 cm，较宽探测器建议6 cm，同时规范放射技师在防护操作中的核心职责[28]。
四、未来展望1.人工智能(AI)在剂量优化与图像重建中的深度融合：AI在CT剂量优化中的应用正从单一环节向全流程扩展[29]。在患者定位环节，AI可自动识别解剖标志，减少因定位偏移导致的重复扫描；在扫描范围确定环节，AI可基于临床指征和前期图像预测最佳扫描起始和终止点，避免过度扫描；在图像重建环节，深度学习算法将持续演进，实现个性化重建，根据患者体型、扫描部位和临床需求自动选择最优重建参数。
2.多中心研究推动共识与指南的更新：低剂量CT技术的临床转化需要高质量循证医学证据的支持。建立多中心、前瞻性、大样本的临床研究网络，针对特定临床指征开展低剂量技术的诊断效能验证，是推动指南更新的基础[30]。建立基于真实世界数据的多中心、大样本研究网络，是验证新技术、更新DRL和制定个性化防护策略的关键。
3.从降低剂量走向精准剂量的临床路径：未来的CT辐射防护理念将从单纯的剂量降低转向精准防护，即根据患者个体风险特征、检查临床紧迫性和预期获益，制定差异化的剂量策略。这包括建立基于年龄、性别、既往辐射暴露史的患者特异性风险档案，开发实时剂量监测与累积剂量追踪系统，以及整合基因组学信息评估个体辐射敏感性。
低剂量CT技术的发展正经历从硬件革新到算法智能、从被动屏蔽到主动优化的深刻变革。超低管电压与自动管电流调制技术的优化应用、深度学习重建算法的临床验证、光子计数CT的剂量效率突破，以及AI在全流程中的深度融合，共同推动了CT辐射剂量的显著降低和图像质量的持续提升。与此同时，传统接触式屏蔽防护的循证再评价提示，辐射防护策略需与时俱进，基于现代技术特点和生物学证据进行科学调整。
诊断参考水平的建立和多中心研究的开展，为剂量审核和优化提供了量化工具，但不同体型、不同设备间的标准化问题仍需解决。未来，随着人工智能技术的深度整合和个体化风险评估模型的完善，CT辐射防护将从降低剂量迈向精准剂量，在保障诊断效能的同时，最大限度地降低辐射风险，真正实现ALARA原则的科学内涵。
利益冲突 无
作者贡献声明 曾令明、徐辉负责资料整理和论文撰写；孙全富、李真林、夏春潮指导选题及审核；刘德明、牛延涛指导论文修改
| [1] |
Mahesh M, Ansari AJ, Mettler FA. Patient exposure from radiologic and nuclear medicine procedures in the United States and worldwide: 2009-2018[J]. Radiology, 2023, 307(1): e221263. DOI:10.1148/radiol.221263 |
| [2] |
Shim J, Lee Y, Kim K. Quantitative evaluation of low-dose CT image quality using deep learning reconstruction: A comparative study of Philips Precise Image and GE TrueFidelity[J]. J Imaging, 2025, 11(9): 317. DOI:10.3390/jimaging11090317 |
| [3] |
Fix Martinez M, Klein L, Maier J, et al. Potential radiation dose reduction in clinical photon-counting CT by the small pixel effect: ultra-high resolution (UHR) acquisitions reconstructed to standard resolution[J]. Eur Radiol, 2024, 34(7): 4484-4491. DOI:10.1007/s00330-023-10499-1 |
| [4] |
Ren L, Duan X, Ahn R, et al. Photon-counting detector CT: technology overview and radiation dose reduction[J]. Br J Radiol, 2025, 98(1175): 1788-1801. DOI:10.1093/bjr/tqaf116 |
| [5] |
钱玉, 夏春潮, 陈骥梁, 等. 超低剂量光子计数探测器CT对冠状动脉钙化积分体模研究[J]. 实用放射学杂志, 2025, 41(12): 2059-2064. Qian Y, Xia CC, Chen JL, et al. Study of ultra-low dose photon-counting detector CT for coronary artery calcification score in phantoms[J]. J Pract Radiol, 2025, 41(12): 2059-2064. DOI:10.3969/j.issn.1002-1671.2025.12.027 |
| [6] |
汪子雄, 唐友发, 罗彦, 等. 深度学习图像重建算法在低管电压双期CT小肠造影中的应用研究[J]. 放射学实践, 2025, 40(9): 1075-1081. Wang ZX, Tang YF, Luo Y, et al. A study on the application of deep learning image reconstruction algorithm in low-kVp dual-phase CT enterography[J]. Radiol Pract, 2025, 40(9): 1075-1081. DOI:10.13609/j.cnki.1000-0313.2025.09.001 |
| [7] |
Qi K, Xu C, Yuan D, et al. Feasibility of ultra-low radiation and contrast medium dosage in aortic CTA using deep learning reconstruction at 60 kVp: An image quality assessment[J]. Acad Radiol, 2025, 32(3): 1506-1516. DOI:10.1016/j.acra.2024.10.042 |
| [8] |
Wu X, Zhu M, Zou Y, et al. Clinical feasibility test of 60 kVp double-low-dose coronary CT angiography with a deep learning reconstruction algorithm[J]. Insights Imaging, 2026, 17(1): 41. DOI:10.1186/s13244-026-02223-6 |
| [9] |
胡云龙, 彭婉琳, 刘科伶, 等. CT心肌灌注联合深度学习重建算法在冠心病临床应用中的可行性研究[J]. 中华放射医学与防护杂志, 2026, 46(5): 452-457. Hu YL, Peng WL, Liu KL, et al. The feasibility study on the clinical application of CTP combined with deep learning image reconstruction algorithm in coronary artery disease[J]. Chin J Radiol Med Prot, 2026, 46(5): 452-457. DOI:10.3760/cma.j.cn112271-20250826-00311 |
| [10] |
Kalra MK, Maher MM, Toth TL, et al. Strategies for CT radiation dose optimization[J]. Radiology, 2004, 230(3): 619-628. DOI:10.1148/radiol.2303021726 |
| [11] |
颜冰清, 杨明, 刘治超, 等. 自动管电压调制技术联合Clear Infinity算法在冠状动脉CT血管成像中的应用研究[J]. 中华放射医学与防护杂志, 2026, 46(5): 464-470. Yan BQ, Yang M, Liu ZC, et al. Application of Auto-kV combined with clear infinity algorithm in coronary CT angiography[J]. Chin J Radiol Med Prot, 2026, 46(5): 464-470. DOI:10.3760/cma.j.cn112271-20251027-00377 |
| [12] |
Noda Y, Iritani Y, Kawai N, et al. Deep learning image Reconstruction for pancreatic low-dose computed tomography: Comparison with hybrid iterative reconstruction[J]. Abdom Radiol (NY), 2021, 46(9): 4238-4244. DOI:10.1007/s00261-021-03111-x |
| [13] |
Greffier J, Hamard A, Pereira F, et al. Image quality and dose reduction opportunity of deep learning image reconstruction algorithm for CT: A phantom study[J]. Eur Radiol, 2020, 30(7): 3951-3959. DOI:10.1007/s00330-020-06724-w |
| [14] |
Esquivel A, Ferrero A, Mileto A, et al. Photon-counting detector CT: Key points radiologists should know[J]. Korean J Radiol, 2022, 23(9): 854-865. DOI:10.3348/kjr.2022.0377 |
| [15] |
Schwartz FR, Sodickson AD, Pickhardt PJ, et al. Photon-counting CT: Technology, current and potential future clinical applications, and overview of approved systems and those in various stages of research and development[J]. Radiology, 2025, 314(3): e240662. DOI:10.1148/radiol.240662 |
| [16] |
Donuru A, Araki T, Dako F, et al. Photon-counting detector CT allows significant reduction in radiation dose while maintaining image quality and noise on non-contrast chest CT[J]. Eur J Radiol Open, 2023, 11: 100538. DOI:10.1016/j.ejro.2023.100538 |
| [17] |
王亚婕, 周宇涵, 雷丽敏, 等. 超低剂量超高分辨率光子计数探测器CT评估肺结节图像质量和体积变异[J]. 临床放射学杂志, 2026, 45(3): 451-458. Wang YJ, Zhou YH, Lei LM, et al. Assessment of image quality and volume variability in pulmonary nodules using ultra-low-dose ultra-high-resolution photon-counting CT[J]. J Clin Radiol, 2026, 45(3): 451-458. DOI:10.13437/j.cnki.jcr.2026.03.018 |
| [18] |
Marcus RP, Nagy DA, Feuerriegel GC, et al. Photon-counting detector CT with denoising for imaging of the osseous pelvis at low radiation doses: A phantom study[J]. AJR Am J Roentgenol, 2024, 222(1): e2329765. DOI:10.2214/AJR.23.29765 |
| [19] |
林华, 李莉, 苏明岗, 等. Q. Clear在68Ga-Pentixafor PET/MR肾上腺显像中降低放射性药物剂量的可行性研究[J]. 中华放射医学与防护杂志, 2026, 46(5): 458-463. Lin H, Li L, Su MG, et al. Feasibility of Q. Clear reconstruction algorithm in reducing radiopharmaceutical dose for adrenal 68Ga-Pentixafor PET/MR imaging[J]. Chin J Radiol Med Prot, 2026, 46(5): 458-463. DOI:10.3760/cma.j.cn112271-20250826-00311 |
| [20] |
徐辉, 岳保荣, 牛延涛, 等. 放射诊断检查受检者接触式屏蔽防护要求及现状分析[J]. 中华放射医学与防护杂志, 2025, 45(12): 1266-1271. Xu H, Yue BR, Niu YT, et al. Requirements and current status of contact shielding protection for patients receiving diagnostic radiological examination[J]. Chin J Radiol Med Prot, 2025, 45(12): 1266-1271. DOI:10.3760/cma.j.cn112271-20250107-00012 |
| [21] |
王柯昕, 项诗怡, 林双翔, 等. 机构CT辐射剂量诊断参考水平的建立与控制趋势分析[J]. 中华放射医学与防护杂志, 2026, 46(5): 478-482. Wang KX, Xiang SY, Lin SX, et al. Diagnostic reference levels and dose trends for routine ct examinations[J]. Chin J Radiol Med Prot, 2026, 46(5): 478-482. DOI:10.3760/cma.j.cn112271-20251103-00386 |
| [22] |
American Association of Physicists in Medicine (2019) AAPM position statement on the use of patient gonadal and fetal shielding[EB/OL]. (2019-04-02)[2026-04-01]. https://www.aapm.org/org/policies/details.asp?id=2552&type=PS.
|
| [23] |
Mainprize JG, Yaffe MJ, Chawla T, et al. Effects of ionizing radiation exposure during pregnancy[J]. Abdom Radiol (NY), 2023, 48(5): 1564-1578. DOI:10.1007/s00261-023-03861-w |
| [24] |
文大光, 宋婷妮, 张晓咏, 等. 铅单巾放置位置对自动管电流调制技术CT胸部扫描辐射剂量及性腺辐射剂量的影响: 体模研究[J]. 中华放射医学与防护杂志, 2026, 46(5): 471-477. Wen DG, Song TN, Zhang XY, et al. Impact of lead apron placement on radiation dose in automatic tube current modulation CT chest scans and on gonadal radiation dose: A phantom study[J]. Chin J Radiol Med Prot, 2026, 46(5): 471-477. DOI:10.3760/cma.j.cn112271-20250812-00290 |
| [25] |
Canadian Association of Radiologists. Discontinuing the use of gonadal and fetal shielding for patients[EB/OL]. (2021-05-13)[2026-04-01]. https://car.ca/wp-content/uploads/2025/04/210518-CAR-Position-Statement-Gonadal-Shielding-e.pdf.
|
| [26] |
Image Gently Alliance. Endorsement statement: AAPM gonadal shielding position[EB/OL]. (2019-11-12)[2026-04-01]. https://www.imagegently.org/Portals/6/Endorsement%20Statement.pdf.
|
| [27] |
Abedi R, Ghaemian N, Monfared AS, et al. Can leaded glasses protect the eye lens in patients undergoing neck computed tomography?[J]. J Clin Transl Res, 2021, 7(4): 428-435. DOI:10.18502/j.ctres.v.7i4.1221 |
| [28] |
宋婷妮, 杨岚清, 彭婉琳. 胸部CT检查接触屏蔽防护用品规范使用专家共识[J]. 中华放射医学与防护杂志, 2026, 46(5): 445-451. Song TN, Yang LQ, Peng WL. Expert consensus on standardized application of contact shielding protection in chest CT examinations[J]. Chin J Radiol Med Prot, 2026, 46(5): 445-451. DOI:10.3760/cma.j.cn112271-20250929-00350 |
| [29] |
张治杰, 胡艳军, 刘丹丹, 等. 人工智能在CT辐射剂量优化中的应用现状与挑战[J/OL]. (2026-01-12)[2026-04-02]. https://link.cnki.net/urlid/11.1784.N.20251016.1054.002. Zhang ZJ, Hu YJ, Liu DD, et al. Current status and challenges of artificial intelligence in computed tomography radiation dose optimization (in Chinese) Chin Sci Bull, doi: 10.1360/CSB-2025-5219. |
| [30] |
北京医学会放射学分会妇儿学组, 北京医学会放射技术分会, 北京市医学影像质量控制和改进中心, 等. 儿童低剂量CT图像质量标准专家共识[J]. 中华放射学杂志, 2025, 59(10): 1104-1110. Pediatric and Women's Imaging Group of Radiology Society of Beijing Medical Association, Radiological Technology Society of Beijing Medical Association, Beijing Medical Imaging Quality Control and Improvement Center. Expert consensus on image quality standards of low-dose CT in children[J]. Chin J Radiol, 2025, 59(10): 1104-1110. DOI:10.3760/cma.j.cn112149-20250512-00247 |