AI辅助3D重建可视化教学模式在胸部CT解剖教学中的构建与评价

doi:10.3969/j.issn.2096-045X.2026.03.006

摘要/Abstract

摘要： 目的　探讨基于3D 重建的人工智能（artificial intelligence， AI）影像学可视化教学法在胸部电子计算机断层扫描（computed tomography， CT）解剖教学中的应用价值，解决传统教学中胸部解剖结构复杂、空间想象要求高、阅片难度大的难点。方法　选取2023年1月—2024年12月在首都医科大学附属北京世纪坛医院参与胸部CT解剖教学的100名住院医师作为研究对象，采用随机数字表法分为对照组（n=50）和试验组（n=50）。对照组学生采用传统教学法，以解剖图谱、器官模型结合二维CT图像授课，试验组学生采用 AI辅助3D重建可视化教学法，通过全自动三维重建软件将胸部CT图像转化为立体模型，结合以问题为基础的教学法（problem-based learning， PBL）开展交互式教学。教学结束后，通过理论考试、实践技能考核及满意度问卷评估教学效果。结果　试验组学生的理论考试成绩［（87.23±4.35）分］高于对照组［（81.05±5.21）分］（P<0.001）；在实践技能考核中，试验组学生CT影像阅读［（17.86±1.52）分］、病灶定位［（18.12±1.37）分］、临床思维［（17.69±1.45）分］及术中评分［（18.35±1.28）分］，均优于对照组对应指标［（14.23±1.86）分、（13.95±1.74）分、（14.51±1.63）分、（14.87±1.59）分］（P<0.001）。试验组学生总体教学满意度［（79.02±5.58）分］高于对照组［（70.75±6.09）分］（P<0.001），92.00%的学生认为该方法能提升学习兴趣。结论　基于3D重建的AI影像学可视化教学法可直观呈现胸部复杂解剖结构，显著提高学生的理论水平、实践技能及学习积极性，为胸部CT解剖教学提供有效新模式。

关键词: , 3D重建；人工智能；影像学可视化；胸部 CT；解剖教学；教学效果

Abstract: Objective　To explore the application value of artificial intelligence (AI) imaging visualization teaching method based on 3D reconstruction in chest CT anatomy teaching, and solve the pain points of complex chest anatomical structure, high requirement for spatial imagination, and difficulty in image reading in traditional teaching.Methods　A total of 100 resident physicians who participated in chest CT anatomy teaching in Beijing Shijitan Hospital, Capital Medical University, from January 2023 to December 2024 were enrolled as subjects and they were randomly divided into the experimental group (n=50) and the control group (n=50) using the random number table method. The control group adopted the traditional teaching method, lectures combining with anatomical atlases, organ models and two-dimensional CT images. The experimental group adopted the AI-assisted 3D reconstruction visualization teaching method, which converted chest CT images into three-dimensional models through automatic 3D reconstruction software and carried out interactive teaching combined with problem-based learning (PBL). After the teaching, the teaching effects were evaluated through theoretical examinations, practical skill assessments and satisfaction questionnaires.Results　The theoretical examination scores of the experimental group [(87.23±4.35) points] were significantly higher than those of the control group [(81.05±5.21) points](P<0.001). In the practical skill assessment, the scores of CT image reading [(17.86±1.52) points], lesion localization [(18.12±1.37) points], clinical thinking [(17.69±1.45) points] and intraoperative score (18.35±1.28) in the experimental group were all superior to the corresponding indicators in the control group [(14.23±1.86) points, (13.95±1.74) points, (14.51±1.63) points, (14.87±1.59) points] (all P<0.001). The overall teaching satisfaction score of the experimental group [(79.02±5.58) points] was higher than that of the control group [(70.75±6.09) points] (P<0.001), and 92.00% of the students believed that this method could improve learning interest.Conclusion　AI imaging visualization teaching method based on 3D reconstruction can intuitively present complex thoracic anatomical structures, significantly improve students' theoretical level, practical skills and learning enthusiasm, and provide an efficient new model for chest CT anatomy teaching.

Key words: 3D reconstruction, artificial intelligence, imaging visualization, chest CT, anatomy teaching, teaching effect

张明霞岳云龙. AI辅助3D重建可视化教学模式在胸部CT解剖教学中的构建与评价[J]. 医学教育管理, doi: 10.3969/j.issn.2096-045X.2026.03.006.

Zhang Mingxia, Yue Yunlong. Construction and evaluation of an AI-Assisted 3D reconstruction visualization teaching model in chest CT anatomy teaching[J]. Medical Education Management, doi: 10.3969/j.issn.2096-045X.2026.03.006.

参考文献

［1］王辰，高占成. 内科学-呼吸与危重症医学分册［M］. 2版. 北京：人民卫生出版社，2022.
［2］李果珍. 临床CT诊断学［M］. 北京：中国科学技术出版社，1994.
［3］ D’Argenzio J，Esposito A，Pozzi J，et al. Optimizing diagnostic outcomes and sustainability in radiological practices：a multicentric study on guideline adherence and incidental findings in elective chest CT scans［J］. La Radiol Med，2026，131（1）：79-87.
［4］丁文龙，刘学政. 系统解剖学［M］. 9 版.北京：人民卫生出版社，2018.
［5］ Pak N ， Zamani F ， Atashi S ，et al.Comparing the anatomy of the intrathoracic systemic central venous system in Iranian pediatrics and adults based on chest CT scan and evaluation of rate of catheter malposition in children［J］.Tehran University Medical Journal TUMS Publications， 2020， 78：366-371.
［6］ Mukandayisenga M，Tabaro J，Chinene B，et al. Artificial intelligence in medical imaging：utilization，challenges，and practitioner perceptions in Rwanda［J］. J Med Imag Radiat Sci，2026，57（1）：102127.
［7］蔡武，张博，刘蓉，等. CBL联合AI技术在肺结节影像阅片教学中的应用［J］. 中国继续医学教育，2023，15（7）：43-46.
［8］严陈晨，麦筱莉，辛小燕，等. 人工智能技术在医学影像实习教学中的探索［J］. 江苏卫生事业管理，2021，32（11）：1534-1538.
［9］刘彩霞. 计算机辅助肺癌CT诊断教学关键技术研究［D］. 南京：南京师范大学，2021.
［10］丁成，方子尧，沈子青，等. 三维重建工具在胸外科教学中的应用探析——以全自动胸部CT三维重建为例［J］. 教育教学论坛，2023（28）：34-39.
［11］辛晓明，宋晓蕾，韩秋琴，等. 生成式人工智能促进医学教学改革的路径探索——基于医学院大学生的调研分析［J］. 卫生职业教育，2025，43（22）：105-108.
［12］卞佳，王红霞，李泉，等.人工智能辅助诊断系统在医学影像诊断学实践教学中的应用研究［J］.中国高等医学教育，2024，（11）：103-104.
［13］包磊，苗政，边琳芳，等. 人工智能在医学影像教学中的应用［J］. 吉林大学学报（信息科学版），2025，43（2）：412-421.
［14］曾亮，李占峰，朱丽，等. 数智技术赋能医学影像学教学改革的探索与实践——五年制高职为例［J］. 教育视界，2025（7）：49-53.
［15］高超，周小昀，郭超，等. 人工智能在胸外科规范化培训教学中肺结节分析与肺段切除规划的应用效果研究［J］. 中国胸心血管外科临床杂志，2025，32（4）：469-472.
［16］曾亮，何晓瑾，王泉荃，等. 人工智能赋能医学影像学线上线下混合教学模式的实践研究［J］. 中国临床研究，2025，38（5）：700-705.
［17］李玲，杨振涛，王聆文. AI联合BOPPPS教学模式在胸部影像学教学中的应用［J］. 继续医学教育，2024，38（11）：90-93.
［18］胡方云，孙振虎，周建国. 人工智能技术在医学影像学教学中的应用与评估［J］. 中国卫生产业，2024，21（12）：152-155.
［19］梁恒瑞. 人工智能工具在胸部肿瘤疾病辅助诊断与治疗中的研发与应用［D］. 广州：广州医科大学，2024.
［20］吕鹏，汤敏，林江，等. AI辅助肺结节CT诊断在放射科住院医师规范化培训教学中的应用［J］. 中国毕业后医学教育，2024，8（2）：107-110.

[1]	胡晓斌, 叶子晨, 杨轶男, 王丹, 杜雨峰, 祁瑞, 王龙, 井立鹏, 宋晓颖. 大学生学习动力现状及其学习动机倾向影响因素研究[J]. 医学教育管理, 2026, 12(2): 241-249.
[2]	孟丽辉, 申树群. 基于学术职业发展视角下的医学高校教师岗位胜任力模型研究[J]. 医学教育管理, 2026, 12(2): 250-257.
[3]	黄春玉, 李海霞, 冯力民. 闭环式问卷调查教学法在妇产科实习小讲课中的应用 [J]. 医学教育管理, 2026, 12(2): 187-191.
[4]	高崇崇, 吴子健, 蒋睿, 王政, 白剑, 李非. 模式化教学在住院医师腹腔镜腹股沟疝手术培训中的应用研究[J]. 医学教育管理, 2026, 12(2): 181-186.
[5]	李睿, 闫瑞隆, 王宇龙, 陈昱均, 崔莹, 于腾飞. 基于教学模式的超声分子影像学多学科交叉驱动自主学习的教学设计与构建[J]. 医学教育管理, 2026, 12(2): 142-149.
[6]	邱方欣睿, 周新雨. 英国本科医学人文教育的整合模式实践与启示——基于莱斯特大学的案例分析[J]. 医学教育管理, 2026, 12(2): 276-284.
[7]	陈敏, 姜炎, 薛龙星. 情景模拟结合反思日志在神经内科临床教学中的应用[J]. 医学教育管理, 2026, 12(1): 60-65.
[8]	杨雪, 黄晓武, 宋冬梅, 张馨, 霍静. 文献阅读法在妇产科医学生临床科研思维培养中的探索 [J]. 医学教育管理, 2026, 12(1): 66-70.
[9]	佀思聪, 李静, 杨伟, 魏占云, 孙璟皓, 吕龙峰. 人工智能工具在医学研究生科学研究中的使用现状及应用探索 [J]. 医学教育管理, 2026, 12(1): 99-107.
[10]	汤辉. “互联网+”背景下标准化病人联合问题指导教学对脓毒症临床教学的效果 [J]. 医学教育管理, 2026, 12(1): 72-77.
[11]	刘青霞, 谢冰, 杨子江, 杜林虹, 李淑瑾, 文迪. AI赋能非法医专业医学生法医学课程改革路径探讨 [J]. 医学教育管理, 2026, 12(1): 41-45.
[12]	曲颖, 孙凯洁, 武力勇, 杨静芳, 李芳玉, 罗涛. 波士顿矩阵模型在医院科室人才管理评价中的应用 ——以首都医科大学宣武医院为例[J]. 医学教育管理, 2026, 12(1): 92-98.
[13]	王娜, 余焕玲. 社区学院实施社区营养教育路径探究 [J]. 医学教育管理, 2026, 12(1): 108-114.
[14]	刘玉婷, 徐志卿, 袁远, 刘瑜, 梁源, 杨慧. 医师科学家培养体系中病理学教学改革探索与实践 ——以首都医科大学阶平班为例 [J]. 医学教育管理, 2026, 12(1): 28-33.
[15]	韩雪, 郭瑱. 医学院校“模拟政协”融入习近平新时代中国特色社会主义思想概论课“三维”教学改革探索 [J]. 医学教育管理, 2026, 12(1): 7-14.