2026年医学影像信息学题库附答案

2026年医学影像信息学题库附答案一、单项选择题（每题2分，共20分）1.以下哪项不属于DICOM2025标准新增的核心功能？A.支持8K超高清影像传输协议B.引入AI模型描述对象（AIModelDescriptionObject）C.扩展了多模态影像融合元数据标签D.取消JPEG基线压缩算法支持答案：D解析：DICOM2025标准强化了对新型压缩算法的支持，包括JPEGXL和HEVC，并未取消JPEG基线压缩，仅限制其在低带宽场景的非必要使用。2.云PACS系统中，实现影像数据“冷热分层存储”的关键技术是？A.对象存储（ObjectStorage）B.关系型数据库（RDBMS）C.内存数据库（In-MemoryDB）D.分布式文件系统（DFS）答案：A解析：对象存储通过元数据标签区分数据访问频率，将高频数据（“热数据”）存储于SSD，低频数据（“冷数据”）迁移至磁带或近线存储，是实现分层存储的核心技术。3.基于深度学习的肺结节检测模型训练时，若输入影像为1mm层厚的胸部CT，输出为结节的三维坐标及恶性概率，其损失函数通常采用？A.交叉熵损失（Cross-EntropyLoss）B.Dice损失（DiceLoss）C.平滑L1损失（SmoothL1Loss）+交叉熵损失D.均方误差（MSE）答案：C解析：三维坐标回归需用SmoothL1损失优化定位精度，恶性概率分类需用交叉熵损失，两者结合为典型多任务学习损失函数。4.某医院放射科引入AI辅助诊断系统，需与现有PACS对接，其数据交互的标准接口应为？A.DICOMWeb（WADO-RS/STOW-RS）B.HL7v2.5.1C.DICOMPrintServiceD.IHEXDS.b答案：A解析：DICOMWeb是2020年后DICOM标准主推的RESTfulAPI，支持影像数据的存储（STOW-RS）、获取（WADO-RS）和查询（QIDO-RS），是AI系统与PACS对接的首选接口。5.关于医学影像质量控制（QC）的指标，以下描述错误的是？A.空间分辨率常用线对每厘米（lp/cm）表示B.密度分辨率指区分不同组织密度的能力，与探测器动态范围无关C.伪影抑制率是评价CT/MRI影像质量的重要指标D.DICOM标签完整性属于元数据质量控制范畴答案：B解析：密度分辨率直接依赖探测器动态范围，动态范围越大，可区分的密度差异越小，因此B错误。6.5G网络在远程影像诊断中的核心优势是？A.降低终端设备成本B.实现毫秒级端到端时延（<10ms）C.支持无限量数据传输D.替代PACS系统存储功能答案：B解析：5G的高可靠低时延（uRLLC）特性可将远程诊断时延控制在10ms内，满足实时交互需求，是其核心优势。7.数字减影血管造影（DSA）影像的后处理中，“蒙片”（MaskImage）的作用是？A.增强血管边缘对比度B.消除非血管结构的背景干扰C.实现三维血管重建D.降低辐射剂量答案：B解析：蒙片是注射造影剂前获取的背景影像，通过与注射后的影像相减，消除骨骼、软组织等非血管结构，突出血管显影。8.区块链技术在医学影像数据溯源中的应用逻辑是？A.通过智能合约自动提供影像报告B.利用哈希值链式存储确保数据不可篡改C.替代DICOM标准实现数据标准化D.直接存储原始影像文件答案：B解析：区块链通过将每笔数据操作的哈希值链接存储，任何修改都会导致后续哈希值失效，从而实现数据操作的可追溯和防篡改。9.多模态影像融合（如PET-CT）的关键技术瓶颈是？A.不同模态影像的空间配准精度B.影像存储格式的统一C.辐射剂量的叠加控制D.医生阅片习惯的改变答案：A解析：PET（功能影像）与CT（解剖影像）的物理特性差异导致空间配准难度大，高精度配准算法是融合的核心瓶颈。10.医学影像存档的“3-2-1原则”指？A.3份拷贝、2种介质、1个异地备份B.3个科室共享、2套系统、1个中心存储C.3年保存期、2级访问权限、1次数据迁移D.3种压缩算法、2个备份节点、1个主存储答案：A解析：“3-2-1原则”是数据备份最佳实践，即3份拷贝、2种不同存储介质（如SSD+磁带）、1个异地备份，确保数据安全。二、多项选择题（每题3分，共15分，多选、少选、错选均不得分）1.DICOM2025标准中，“结构化报告（SR）”的扩展功能包括？A.支持AI提供的影像分析结论嵌入B.新增分子影像生物标志物（如SUVmax）的标准化描述C.取消文本自由输入字段，强制使用术语集D.兼容FHIR（FastHealthcareInteroperabilityResources）格式转换答案：ABD解析：DICOMSR2025保留了自由文本输入（允许补充非标准化描述），因此C错误。2.影响PACS系统吞吐量的关键因素包括？A.存储设备的IOPS（输入输出每秒）B.网络带宽（如万兆以太网vs千兆）C.影像后处理工作站的GPU性能D.放射科医生的阅片速度答案：ABC解析：医生阅片速度属于人为因素，不直接影响系统吞吐量（单位时间处理的影像数量），因此D错误。3.医学影像AI模型的“可解释性”技术包括？A.类激活映射（CAM）B.局部可解释模型无关解释（LIME）C.梯度加权类激活映射（Grad-CAM）D.模型参数量化（Quantization）答案：ABC解析：模型量化是优化推理速度的技术，与可解释性无关，因此D错误。4.关于医学影像压缩，以下描述正确的是？A.无损压缩适用于CT增强扫描的原始数据B.JPEG2000支持有损/无损压缩双模式C.DICOM标准强制要求所有影像必须压缩D.基于深度学习的压缩算法（如VQ-VAE）可实现更高压缩比答案：ABD解析：DICOM允许原始未压缩影像存储，仅推荐在带宽受限场景使用压缩，因此C错误。5.远程放射学（Teleradiology）的核心组成模块包括？A.影像传输网关（Gateway）B.电子签名与法律合规模块C.实时语音/视频交互系统D.影像质量自动评估工具答案：ABCD解析：四者分别对应数据传输、法律合规、医患交互和质量控制，均为远程放射学的必要模块。三、简答题（每题5分，共40分）1.简述DICOMWeb与传统DICOMC-FIND/C-MOVE的主要区别。答案：DICOMWeb基于RESTfulAPI，使用HTTP/HTTPS协议，支持JSON元数据和DICOM文件的分块传输，兼容现代Web应用架构；传统DICOM使用DICOM上层协议（DICOMUL），基于TCP/IP，采用二进制消息格式，依赖DICOM服务类用户（SCU）和服务类提供者（SCP）模式，对跨平台、跨网络的支持较弱。2.列举PACS系统中“影像预处理”的主要步骤及其目的。答案：主要步骤包括：（1）格式转换：将不同设备（CT/MRI/DR）的私有格式转换为DICOM标准格式，确保兼容性；（2）元数据校验：检查DICOM标签完整性（如患者ID、检查时间），避免后续检索错误；（3）噪声抑制：通过滤波算法（如非局部均值滤波）降低量子噪声，提升影像质量；（4）方向校正：根据解剖学标准（如DICOM的ImageOrientationPatient标签）调整影像方向，确保医生阅片一致性。3.说明AI辅助诊断系统与PACS集成时需考虑的关键问题。答案：需考虑：（1）数据接口：采用DICOMWeb（STOW/WADO）或FHIR实现影像与元数据的双向传输；（2）时序同步：确保AI处理的是最新影像（避免调阅历史版本）；（3）权限管理：通过DICOM的AccessControlList（ACL）或HL7FHIR的权限模块，限制AI系统的访问范围；（4）结果回传：将AI提供的结构化报告（如结节位置、恶性概率）以DICOMSR或FHIRObservation资源形式存储至PACS；（5）性能适配：优化AI推理速度，避免影响PACS的实时响应（如设定优先级队列）。4.解释“影像组学（Radiomics）”与“影像基因组学（Radiogenomics）”的区别。答案：影像组学是从医学影像中提取大量定量特征（如形状、纹理、强度），通过机器学习建立特征与临床结局（如预后、治疗反应）的关联；影像基因组学则进一步将影像组学特征与基因表达数据（如突变谱、转录组）结合，探索影像表型与基因组变异的内在联系，旨在通过影像间接反映分子水平的改变。5.简述5G+边缘计算在急诊影像中的应用场景及优势。答案：应用场景：（1）救护车-医院实时影像传输（如外伤患者的床旁DR）；（2）急诊CT/MRI影像的边缘端预处理（如去金属伪影）；（3）AI模型在边缘节点的本地化推理（如脑出血快速检测）。优势：5G的低时延（<10ms）确保影像实时传输，边缘计算减少数据中心带宽压力，同时本地化处理避免云端延迟，满足急诊“黄金1小时”的时效性需求。6.列举医学影像数据安全的主要威胁及防护措施。答案：主要威胁：（1）数据泄露（如未加密传输）；（2）篡改（如非法修改影像或报告）；（3）勒索攻击（加密存储数据索要赎金）；（4）越权访问（非授权人员调阅敏感影像）。防护措施：（1）传输层加密（TLS1.3）；（2）存储加密（AES-256）；（3）区块链存证（记录操作日志防篡改）；（4）基于角色的访问控制（RBAC）；（5）定期漏洞扫描与渗透测试。7.说明DICOMPart10文件的结构组成及各部分功能。答案：DICOMPart10文件由四部分组成：（1）文件导言（FileMetaInformation）：包含DICOM文件元数据（如传输语法、SOP实例UID），占前128字节+4字节“DICM”标识；（2）数据集（DataSet）：由多个数据元素（Tag）组成，存储影像像素数据、患者信息、检查参数等；（3）像素数据（PixelData）：影像的实际灰度值或颜色值，位于数据集的特定Tag（如(7FE0,0010)）；（4）序列（Sequence）：嵌套的数据集，用于存储复杂信息（如超声的多普勒参数序列）。8.比较基于深度学习的影像分割算法（如U-Net）与传统分割算法（如阈值法、区域生长）的优缺点。答案：传统算法优点：计算速度快，无需训练数据；缺点：对噪声敏感，依赖人工设定参数（如阈值），难以处理复杂边界（如肿瘤与正常组织的模糊分界）。深度学习算法优点：自动学习特征，对复杂影像分割精度高（如Dice系数>0.9）；缺点：需大量标注数据，模型可解释性差，计算资源需求大（依赖GPU）。四、案例分析题（每题12.5分，共25分）案例1：某三甲医院计划将传统PACS升级为云PACS，需迁移现有200TB影像数据（DICOM格式），同时集成AI辅助诊断系统。请回答以下问题：（1）数据迁移过程中需注意哪些风险？如何规避？（2）云PACS与AI系统集成时，如何保证影像调阅的实时性？答案：（1）迁移风险及规避：①数据丢失：采用“校验和（如MD5）+双副本验证”确保完整性；②迁移耗时过长：分阶段迁移（优先迁移近3年高频数据），使用并行传输工具（如Rsync+多线程）；③业务中断：采用“双活架构”（新旧PACS同时运行），待迁移完成后切换；④格式不兼容：迁移前检查所有影像的DICOM合规性（使用DICOM校验工具如dcmtk），修复缺失标签。（2）实时性保障措施：①边缘缓存：在放射科部署边缘节点，缓存高频检查类型（如胸部CT）的影像；②智能预加载：根据历史数据预测医生可能调阅的影像（如上午9点常阅急诊CT），提前从云端拉取至边缘缓存；③带宽优化：使用CDN（内容分发网络）加速影像下载，结合HTTP/2多路复用技术减少延迟；④AI推理本地化：将常用AI模型（如肺结节检测）部署在边缘节点，避免影像往返云端的时延。案例2：某医院放射科发现CT影像在PACS中显示“伪影增多”，经检查设备参数正常，网络传输无丢包。请分析可能原因及解决步骤。答案：可能原因及解决步骤：（1）DICOM标签错误：检查影像的“RescaleSlope/Intercept”标签（(0028,1053)/(0028,1052)），若被错误修改会导致灰度值异常（表现为伪影）。解决：使用DICOM查看工具（如RadiAnt）验证标签值，修复或重新提供正确标签。（2）像素数据压缩错误：若影像采用JPEG2000有损压缩，可能因压缩参数设置不当（如过高压缩比）导致伪影。解决：检查DICOM的“LossyCompression”标签（(0028,2110)），若为“YES”，尝试使用无损压缩重新存储，对比伪影是否消失。（3）后处理参数冲突：P