• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

相似文献

1
The Future of Artificial Intelligence in Clinical Radiology: Savior or False Hope?临床放射学中人工智能的未来：救星还是虚幻的希望？
AJNR Am J Neuroradiol. 2024 Dec 9;45(12):1838-1844. doi: 10.3174/ajnr.A8550.
2
Artificial Intelligence user interface preferences in radiology: A scoping review.放射学中人工智能用户界面偏好：一项范围综述。
J Med Imaging Radiat Sci. 2025 May;56(3):101866. doi: 10.1016/j.jmir.2025.101866. Epub 2025 Feb 27.
3
Leadership in radiology in the era of technological advancements and artificial intelligence.技术进步与人工智能时代的放射学领导力。
Eur Radiol. 2025 Jun 27. doi: 10.1007/s00330-025-11745-4.
4
Radiology as a Specialty in the Era of Artificial Intelligence: A Systematic Review and Meta-analysis on Medical Students, Radiology Trainees, and Radiologists.人工智能时代的放射学专业：对医学生、放射科住院医师和放射科医生的系统评价和荟萃分析。
Acad Radiol. 2024 Jan;31(1):306-321. doi: 10.1016/j.acra.2023.05.024. Epub 2023 Jun 21.
5
Radiology artificial intelligence: a systematic review and evaluation of methods (RAISE).放射学人工智能：方法的系统评价和评估（RAISE）。
Eur Radiol. 2022 Nov;32(11):7998-8007. doi: 10.1007/s00330-022-08784-6. Epub 2022 Apr 14.
6
Artificial intelligence applied to musculoskeletal oncology: a systematic review.人工智能在肌肉骨骼肿瘤学中的应用：系统评价。
Skeletal Radiol. 2022 Feb;51(2):245-256. doi: 10.1007/s00256-021-03820-w. Epub 2021 May 19.
7
The future of multimodal artificial intelligence models for integrating imaging and clinical metadata: a narrative review.整合影像学与临床元数据的多模态人工智能模型的未来：一篇综述
Diagn Interv Radiol. 2024 Oct 1. doi: 10.4274/dir.2024.242631.
8
Assessing the Performance of Artificial Intelligence Models: Insights from the American Society of Functional Neuroradiology Artificial Intelligence Competition.评估人工智能模型的性能：来自美国功能神经放射学学会人工智能竞赛的洞察。
AJNR Am J Neuroradiol. 2024 Sep 9;45(9):1276-1283. doi: 10.3174/ajnr.A8317.
9
Artificial Intelligence-Generated Editorials in Radiology: Can Expert Editors Detect Them?放射学中人工智能生成的社论：专家编辑能检测出来吗？
AJNR Am J Neuroradiol. 2025 Mar 4;46(3):559-566. doi: 10.3174/ajnr.A8505.
10
Improving radiology reporting accuracy: use of GPT-4 to reduce errors in reports.提高放射学报告准确性：使用GPT-4减少报告中的错误。
Abdom Radiol (NY). 2025 Jun 27. doi: 10.1007/s00261-025-05079-4.

本文引用的文献

1
Prospective Evaluation of Artificial Intelligence Triage of Intracranial Hemorrhage on Noncontrast Head CT Examinations.非增强头部CT检查中人工智能对颅内出血进行分诊的前瞻性评估
AJR Am J Roentgenol. 2024 Nov;223(5):e2431639. doi: 10.2214/AJR.24.31639. Epub 2024 Sep 4.
2
Deep Learning to Detect Intracranial Hemorrhage in a National Teleradiology Program and the Impact on Interpretation Time.深度学习在全国远程放射学计划中检测颅内出血及其对解释时间的影响。
Radiol Artif Intell. 2024 Sep;6(5):e240067. doi: 10.1148/ryai.240067.
3
Developing, Purchasing, Implementing and Monitoring AI Tools in Radiology: Practical Considerations. A Multi-Society Statement from the ACR, CAR, ESR, RANZCR and RSNA.在放射科中开发、购买、实施和监测人工智能工具：实用考虑因素。ACR、CAR、ESR、RANZCR 和 RSNA 的多学会声明。
Radiol Artif Intell. 2024 Jan;6(1):e230513. doi: 10.1148/ryai.230513.
4
Effect of Provider Type on Overutilization of CT Angiograms of the Head and Neck for Patients Presenting to the Emergency Department with Nonfocal Neurologic Symptoms.就诊于急诊科且以非局灶性神经系统症状为主的患者，其头部和颈部 CT 血管造影过度使用与提供者类型的关系。
J Am Coll Radiol. 2024 Jun;21(6):890-895. doi: 10.1016/j.jacr.2023.08.042. Epub 2023 Sep 16.
5
Deep Learning-Generated Synthetic MR Imaging STIR Spine Images Are Superior in Image Quality and Diagnostically Equivalent to Conventional STIR: A Multicenter, Multireader Trial.深度学习生成的合成 MR 成像 STIR 脊柱图像在图像质量上更优且诊断等效于常规 STIR：一项多中心、多读者试验。
AJNR Am J Neuroradiol. 2023 Aug;44(8):987-993. doi: 10.3174/ajnr.A7920. Epub 2023 Jul 6.
6
Can incorrect artificial intelligence (AI) results impact radiologists, and if so, what can we do about it? A multi-reader pilot study of lung cancer detection with chest radiography.人工智能（AI）结果不正确会对放射科医生产生影响吗？如果有影响，我们能做些什么？一项使用胸部 X 线摄影检测肺癌的多读者初步研究。
Eur Radiol. 2023 Nov;33(11):8263-8269. doi: 10.1007/s00330-023-09747-1. Epub 2023 Jun 2.
7
Opportunistic Screening: Scientific Expert Panel.机会性筛查：科学专家组
Radiology. 2023 Jun;307(5):e222044. doi: 10.1148/radiol.222044. Epub 2023 May 23.
8
Translating radiology reports into plain language using ChatGPT and GPT-4 with prompt learning: results, limitations, and potential.使用ChatGPT和GPT-4通过提示学习将放射学报告翻译成通俗易懂的语言：结果、局限性和潜力。
Vis Comput Ind Biomed Art. 2023 May 18;6(1):9. doi: 10.1186/s42492-023-00136-5.
9
Exploring the Acceleration Limits of Deep Learning Variational Network-based Two-dimensional Brain MRI.探索基于深度学习变分网络的二维脑磁共振成像的加速极限
Radiol Artif Intell. 2022 Nov 2;4(6):e210313. doi: 10.1148/ryai.210313. eCollection 2022 Nov.
10
Analysis of Radiology Report Recommendation Characteristics and Rate of Recommended Action Performance.分析放射学报告推荐特征和推荐行动执行率。
JAMA Netw Open. 2022 Jul 1;5(7):e2222549. doi: 10.1001/jamanetworkopen.2022.22549.

The Future of Artificial Intelligence in Clinical Radiology: Savior or False Hope?

作者信息

Zaharchuk Greg, Mei Janet

出版信息

AJNR Am J Neuroradiol. 2024 Dec 9;45(12):1838-1844. doi: 10.3174/ajnr.A8550.

DOI:10.3174/ajnr.A8550
PMID:39653448
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC11630877/
Abstract
摘要