北美放射学会（Radiological Society of North America，RSNA）年会于我而言是遥不可及的学术顶峰，是全球影像从业者心之所向的顶级盛会。我从未敢想，自己能与RSNA产生交集，能向世界各地的放射领域专家展示我们的研究成果，和同行交流技术思路、分享实践经验。直到录用邮件弹出收件箱的那一刻，我盯着屏幕反复确认了数遍，才真切地感受到：曾经远远仰望的光，原来真的能照到自己身上。

这段和RSNA结缘的科研经历，始于我在福建医科大学附属协和医院放射科的实习时光。科室一直以来浓厚的科研氛围与“传帮带”的团队传统，给了我触碰科研的机会。

在科室主任的方向引领与团队平台的全力支持下，由导师全程带教指导，我确定了以CT图像质量优化与扫描质控为核心的研究方向，聚焦低剂量CT深度学习重建这一临床热点展开探索。

研究全程，赛诺威盛科学家团队为我们提供了算法与技术层面的专业支撑，科室的师兄师姐们也在扫描实操、数据后处理、病例筛选等环节给了我许多实打实的经验分享与协助。我们锚定临床高频的胸腹联合扫描场景搭建完整研究体系：一方面针对性优化胸腹连扫的扫描协议，设计不同辐射剂量、不同重建算法的对照方案；另一方面同步开展标准化体模实验，以客观定量的图像质量指标，为临床结论提供扎实的实验支撑。

2026年3月初我们正式开始收集与分析数据，最终在2026年4月完成数据的收集与筛选。经过努力，在同年5月份我们完成了英文摘要的书写，在2026年RSNA截稿时间前完成了摘要投稿。所有的深耕最终都有了回响：今年，我们有两篇研究摘要成功被RSNA录用。

第一项研究针对1.25 mm薄层胸腹部CT的高噪声痛点，纳入30例常规剂量非增强胸腹联扫病例并配套同源体模实验，系统对比传统迭代重建与三种等级的深度学习重建的成像表现。结果显示高等级DLR3在肺动脉干、肝脏、竖脊肌等多部位实现了40%左右的优秀噪声降幅，同时全程保持CT值稳定，为后续高分辨率成像及低剂量协议优化提供依据。该研究最终获得大会口头发言资格。

第二项研究聚焦腹部动脉期CT的临床剂量优化，纳入60例患者并辅以2.5 mg/mL碘体模双重验证，在辐射剂量降低约28.7%的条件下，对比不同权重深度学习重建与标准剂量迭代重建的图像质量。证实高权重DLR可有效抵消低剂量带来的噪声上升，图像质量优于标准剂量迭代重建，为低剂量腹部CT的临床应用提供了较完整的证据。该研究以壁报形式收录参会。

对我来说，这份认可的分量格外重。它不仅是对我这段时间科研付出的肯定，更让我真切地感受到，我们立足临床需求、坚持临床与体模双验证的研究方向，是具备学术价值与行业意义的。这份来自国际顶级会议的认可，也为我即将开启的研究生科研之路，攒足了前行的底气与信心。

这段经历让我感触最深的是：所有看似遥不可及的梦想，都藏在日复一日的踏实行动里。RSNA于我不再是一个陌生的学术符号，它是我科研之路的起点，也是照亮我继续前行的一束光。未来我也会带着这份鼓励，沉下心打磨专业技术，在医学影像的道路上稳步走下去。

录用摘要信息

Oral

Combined Clinical and Phantom Assessment of Thin-Section Deep Learning Reconstruction Versus Conventional Iterative Reconstruction in Thoracoabdominal CT

Poster

Low-Dose Abdominal CT with Deep Learning Reconstruction Achieves Image Quality Superior to Standard-Dose: A Dual Clinical and Phantom Validation