胸部数字X线摄影(DR)凭借低辐射、普及度高、性价比高等优势^[1]，是心肺评估、传染病初筛的常规影像学检查。虽然胸部DR单次检查的有效剂量较低，但因其检查频次高、受检人群庞大，累积的集体辐射有效剂量是潜在的风险^[2]。因此辐射剂量优化是落实医疗照射正当化和践行辐射防护合理可行尽量低(ALARA)原则^[3] 的关键。照射野大小是胸部DR检查中调控辐射剂量、散射线及影像质量的核心参数^[4]。在临床中，随着大尺寸平板探测器的推广，影像技师为规避定位偏差引发的重复曝光问题^[5]，常采用较大甚至最大的照射野进行摄影^[6]。过大的照射野会直接增加受检者的辐射剂量与散射线，进而降低影像对比度和清晰度^[7]。过小的照射野则易因解剖结构覆盖不全导致重复摄影，增加辐射量。目前，照射野调整依赖于影像技师手动操作限束器，受限于个人临床经验和空间判断能力，误差较大^[8]，从而制约了胸部DR检查标准化与剂量优化。

现阶段人工智能(AI)在医学影像智能分割、辅助诊断和多模态组学分析等方面^[9]，展现出高准确性和稳定性。这些技术创新大多集中在影像后处理与辅助诊断环节。相比之下，在DR影像采集源头的曝光控制、患者定位及照射野设置等方面存在明显技术空白^[10]。随着3D光学传感器与深度学习技术的快速发展，实时3D身体建模为临床工作流程优化、医疗设备参数自动调整等提供了技术支撑^[11]。因此，本研究基于一套计算机视觉驱动的AI照射野自动控制系统，探讨其在胸部站立后前位(PA位)DR摄影中的应用可行性，重点评估其对辐射剂量优化、照射野控制以及肺野中心定位方面的临床价值。

1. 研究对象：本研究为单中心回顾性研究。采用简单随机抽样法，分别纳入2025年4—6月采用AI定位与自动照射野技术摄影的胸部DR患者1 524例(AI控制组)和2024年9月至11月同等数量且采用常规定位与人工照射野控制的胸部DR患者1 524例(对照组)。纳入标准：年龄≥18周岁；临床指征需行胸部站立PA位DR检查；检查体位符合标准。排除标准：肺切除病史；无法独立站立的患者；胸廓畸形的患者。本研究经浙江大学医学院附属第一医院伦理委员会批准(审批号：浙大一院伦审2024研第0604号-快)，豁免患者知情同意。两组患者在年龄、性别以及体质量指数(BMI)的中位数(四分位间距)上，差异均无统计学意义(P>0.05)。

2. 检查设备与曝光参数：采用uDR Aurora CE数字化医用X射线摄影系统。曝光参数：管电压125 kV；自动曝光控制(AEC)曝光模式；焦点-探测器距离(source to image receptor distance, SID)=180 cm。

3. 图像采集与处理：本研究立足于一套创新的计算机视觉驱动的AI照射野自动控制系统。该系统的核心是基于多模态视觉信息(2D影像及深度信息等)实现的实时三维人体建模。双目摄像头采集具有深度信息的自然光学影像。采集的光学图像在卷积神经网络编码器中编码后进行关键点AI标注(图 1A)。在拍摄所获X射线影像上进行关键点人工标注(图 1B)。X射线影像与建模后的3D影像进行关键点对应。模型训练与优化。

图 1 关键点对应的两组影像   A.已标注的自然光学影像；B. 已标注的X射线影像 Figure 1 Two sets of images with key points in correspondence   A. Annotated natural optical image; B. Annotated X-ray image

4. 评价指标与测量方法

(1) 辐射剂量评估：提取DICOM文件中的剂量面积乘积(DAP)值，对该值进行AI控制组与对照组组间的差异分析。

(2) X射线照射野的精准性分析：①照射野面积：提取胸部DR影像DICOM文件中限束器参数x、y，照射野面积等于x和y的乘积，比较AI控制组与对照组的面积差异。②中心点：当患者摆位和X射线照射野控制精准时，患者肺野中心与影像的几何中心点保持一致。影像的几何中心可通过影像DICOM文件中的影像数据获取，而肺野中心则需要通过对影像中的解剖信息解析后获取。本研究由两位高年资(＞5年)影像技师，采用医学图像分割工具ITK-SNAP(v4.2.0)对胸部DR的全部DICOM影像进行标注。标注的解剖标志点包括：两侧肺尖、两侧肋膈角以及两侧腋胸皮肤交界处位置。两人独立对影像进行标注，当对解剖部位有疑惑或难以精准确定时，由两人共同商议后确定。基于标注的解剖点获取的实际肺野几何中心，并与DICOM文件中所获取的影像几何中心点比较位置比较，以两点间距离公式($d= \sqrt{\left(x_2-x_1\right)^2+\left(y_2-y_1\right)^2} $)得出两中心点偏移距离(cm)，并统计分析其在两组间的差异。

(3) 影像质量评价：所有影像均由两位高年资(＞5年)影像医师采用双盲法独立进行影像质量评分，评分体系参照以下指标：视野(FOV)适配度、肺野与周围软组织对比度、肺纹理清晰程度、伪影与形变程度以及肉眼可见颗粒状噪声情况。评分采用5分制量化标准：5分(优秀)、4分(优良)、3分(良好)、2分(一般)、1分(差)。最终对两位医生评分结果进行统计学分析。

5. 统计学处理：采用SPSS 26.0软件进行分析。本研究中的辐射剂量、X射线照射野面积以及两中心点的偏差以中位数(四分位间距，IQR)[M(Q₁，Q₃)]表示。相关参数满足大样本非正态分布，在AI控制组与对照组的组间差异采用Mann-Whitney U检验。P＜0.05为差异具有统计学意义。

1. AI照射野自动控制技术对定位精度、照射野面积及辐射剂量的影响评估：

(1) 定位精度：AI控制组的照射野中心与肺野中心偏差中位值为[1.48(0.85, 2.24)cm]，小于对照组的[1.58(1.01, 2.43)cm]，差异具有统计学意义(Z=-4.19，P＜0.01)。AI控制组的IQR较对照组收窄，表明AI智能定位功能能够有效提升定位操作的准确性与一致性，减少了人为操作导致的随机性误差。

(2) 照射野面积：由于AI对肺野中心的高精度定位，系统进一步精准控制照射野面积。AI控制组的FOV中位值为[1 578.10 (1 419.85, 1 711.55) cm²]，低于对照组的[1 600.00 (1 496.36, 1 720.00) cm²]，差异具有统计学意义(Z=-5.89，P＜0.01)。

(3) 剂量控制：通过更精确的定位和更紧凑的照射野控制，AI控制组的DAP中位值为[0.66(0.50, 0.78) dGy·cm²]，显著低于对照组的[0.86(0.70, 1.05)dGy·cm²]，两组间的差异具有统计学意义(Z=-24.98，P＜0.01)。AI控制组的DAP显示出更窄的IQR，这表明AI技术不仅实现了剂量的降低，同时提高了此技术在临床操作中的可重复性和稳定性。

2. 影像质量评估：AI组与对照组患者影像的医师主观评分：AI组与对照组患者影像分别经两位高年资诊断医师进行评价，影像质量优良，均符合诊断要求，且AI组评分均高于4分。医师1及医师2对两组所得影像的评分差异均无统计学意义(P>0.05，表 1，图 2)。

表 1(Table 1)

表 1 AI组与对照组患者影像的医师主观评分(例) Table 1 Subjective ratings by radiologists for the images of patients in the artificial intelligence control group and the control group 组别 医师1 医师2 5分 4分 3分 ≤2分 平均分 5分 4分 3分 ≤2分 平均分 AI控制组 811 713 0 0 4.53 784 740 0 0 4.51 对照组 761 752 11 0 4.49 739 773 12 0 4.48 注：AI.人工智能

表 1 AI组与对照组患者影像的医师主观评分(例) Table 1 Subjective ratings by radiologists for the images of patients in the artificial intelligence control group and the control group

图 2 两组患者临床胸片对比  A. AI控制组；B. 对照组 Figure 2 Comparison of clinical chest radiographs between the two groups   A. Artificial intelligence group; B. Control group

本中心通过大样本量(3 048例)的回顾性研究，系统性地验证了基于计算机视觉的AI照射野自动控制技术在胸部DR摄影中的应用价值。结果显示，AI控制组影像均满足临床需求，且在定位精度、FOV面积以及受检者辐射剂量(DAP)3项核心指标上均显著优于传统手动控制组。该结果验证了将AI从医学影像诊断分析后端拓展至采集前端源头环节的可行性，为解决传统DR摄影中存在的操作异质性和剂量控制非标准化问题提供了新的技术解决方案。

传统DR摄影中的照射野调节高度依赖影像技师的临床经验和空间判断能力，操作准确性易受主观因素影响^[12-14]。本系统通过融合多模态视觉信息，构建实时三维人体模型，将照射野的调整过程转化为精准的几何计算与自动驱动。借助智能化的实时反馈与自适应调节机制显著提升了影像照射野设置的一致性^[15]，为实现DR检查的“采集—处理—分析”全工作流程智能化奠定了基础^[16-18]。

研究数据表明，AI控制组的照射野中心偏差显著降低，提示AI能够实现对肺野中心的精准定位，有效消除了人为操作导致的系统性偏差。肺野中心的精准定位和照射野面积的减少直接表明AI系统能在满足完整覆盖解剖结构的前提下，减少不必要的辐射暴露。胸部DR检查频次较高，因此本系统在单次检查中实现的剂量优化，对于降低人群的集体有效剂量具有长期的辐射防护效益。同时，AI控制组在定位偏差和DAP的IQR均窄于对照组，这反映出AI系统在执行照射野控制时，数据离散度低，操作可重复性显著提高。这种由算法保证的高稳定性与一致性，是推动DR检查流程标准化和实现严格质量控制的重要基础^[13]。AI通过精准控制照射野确保AEC电离室覆盖关键诊断区，从而避免了因照射野过大导致的曝光过度，并优化了信号均匀性，使AEC能更准确地终止曝光，最终获得噪声特性稳定的影像。此外，该技术通过在前端采集环节精确的物理限束，有效减少了临床工作中对后处理电子裁剪的过度依赖，从而强调了留有X射线影像“白边”(限束器边界形成的高低密度差)的临床价值 ^[19-20]。

本研究将AI拓展至DR前端采集参数的自适应优化领域，填补了部分技术空白。其高稳定性和标准化输出，能够有效缩小不同医疗机构间操作的差异，促进区域影像互认互通^[21]。

本研究存在以下局限性，需在后续研究中予以关注与完善：其一，本研究为单中心回顾性研究设计，机房构造、技师人员执业素养等均可能存在主客观的差异，结论的普适性有待进一步通过多中心、前瞻性研究进行验证。其二，计算机视觉模型对于体型适应性仍有不足，未按BMI、不同季节个性化服饰等特殊情况进行亚组分析，可能导致极端情况下的识别误差。其三，本研究对影像的客观评价主要针对于照射野的大小控制，缺乏多维度客观指标(如信噪比、对比噪声比等)对研究结果的佐证。其四，由于患者个体差异以及医院整体工作流的局限性，未能建立评估技师工作效率的有效量化指标。针对以上不足，未来的研究将聚焦于更复杂的临床场景，并探索该技术推广至其他DR摄影部位的可行性。

利益冲突  无

作者贡献声明  杨哲实施研究、分析数据、撰写和修改论文；张翊婷实施研究、采集数据、分析数据；鲍永华、童雪明参与设计试验；刘星雨参与分析数据、修改论文；汪启东指导论文修改