在本次 RSNA 2026 投稿中，扬大附院一举斩获 3 篇中稿，取得了历史性的突破。作为主要参与者，看到团队的研究成果获得国际顶级放射学年会的认可，内心感到无比自豪与振奋。这不仅是对我们科研设计与技术路线的肯定，更凝聚了整个科室与合作团队在医工协同上的心血与付出。

我们本次获得认可的 3 项核心工作，均精准切中了当前临床检查中的实际痛点。

第一项研究，我们在 256 排宽体 CT 上系统对比了低剂量门脉期与常规剂量延迟期的表现，证实高权重 DLR 在大幅降低辐射剂量的同时，图像噪声和质量能够逼近常规剂量水平。

第二项研究，我们针对门脉期腹部扫描，我们详细量化了 DLR 从低到高不同权重梯度下的降噪能力及 SNR/CNR 提升趋势，为临床应用提供了明确的技术量化参考。

第三项研究则针对临床上起搏器金属伪影严重遮挡解剖结构的难题，我们对比了深度学习 VMAR 与常规及 NMAR 算法的去伪影效能，为胸部复杂条件下的高清成像提供了有效方案。

亮眼的数据背后，是整个科研攻关过程中严谨甚至严苛的技术验证。从最初临床科研协议的重新设计、软件算法接口的适配开发，到多期相扫描方案与多组 ROI 数据的反复精准标定测量，每一步都经历了高强度的打磨与推敲。

回顾整个科研攻坚过程，最让我们印象深刻的，是从临床问题出发、反复打磨、不断推翻重构的过程。初期我们虽然明确了“低剂量降噪、图像质控、金属伪影去除”三大临床痛点，但如何将临床问题转化为严谨、可量化、可对比的科研体系，是摆在团队面前最大的难题。在王院长的精准方向引领与科室平台的全力支撑下，我们一步步细化研究框架，锚定胸腹联合扫描、腹部门脉期成像、胸部起搏器金属伪影三大高频、高难度临床场景，重新梳理扫描协议、重构对照方案、优化数据采集逻辑。

为了保证数据的严谨性与完整性，我们跟随团队反复进行病例筛选、扫描参数调试、多组剂量与算法对照实验，逐例核对图像质量、噪声水平、伪影范围，对每一处ROI区域进行反复标定、多次复测，最大限度规避测量误差。面对数据不理想、对照结果不统一、参数适配度不足等问题，我们没有止步于初步结果，而是多次推倒重来，联合赛诺威盛科学家团队深度复盘算法逻辑、迭代重建参数、优化扫描时序与后处理方案。

从2026年3月正式启动数据采集，到4月完成全部病例筛选、数据核验与分层整理，再到5月反复打磨英文摘要、赶在RSNA截稿前顺利完成投稿，这段时间的日夜打磨、反复推敲、逐条论证，让我真切体会到医工协同的严谨与不易。每一组数据的背后，都是无数次调试、对比、修正与迭代；每一项结论的落地，都离不开科室前辈的悉心指导和企业技术团队的算法支撑。正是这种立足临床、精益求精、不破不立的科研态度，让我们最终扎实完成三项研究，顺利斩获三篇RSNA摘要录用，用扎实的数据交出了一份属于团队的临床科研答卷。

本次中稿是扬大附院在医工交叉创新科研道路上的一个重要里程碑。感谢科室主任周主任的前瞻引领与全力支持，感谢院领导提供的优良科研平台，也由衷感谢赛诺团队在底层算法研发与协议优化上给予的深度技术协同。我们将以此为新起点，继续推进智能重建算法在临床多场景中的转化落地，产出更多高质量的研究成果。