目的：随着技术不断成熟，AI在医学影像领域的应用场景也逐步扩展到了放射质控方面。以DR检查为例，影响DR图像质量的因素包括信息输入、摄影参数选择、异物伪影和投照体位、胶片打印等。其中，摄影参数选择不当、摄片时的体位不正确或是异物伪影会严重影响图像质量，进而产生废片，提高了非计划重复检查率，这也是放射质控重点关注的内容。以往，质控人员通过手工抽查的方式对图像进行评价，来督促摄片技师提高图像质量，以减少废片率。但是随着检查数量不断增加，这种传统的手工质控方式的效率和效果也越来越不理想。利用基于深度学习的人工智能技术，对正确的图像和各类不合格图像进行大数据学习，构建智能影像数据库，建立AI影像质控中心，并与医院PACS系统进行融合，在摄片完成后即对图像进行评判，进而实现AI质控。可以有效提高质控效率，提升图像质量。

方法：项目采取产学医相结合的方式，依托深度学习的AI影像特征库；结合上海市放射诊断质控手册中对图像的评判标准，选取各级质量的DR图像建立影像特征库，供AI进行深度学习；结合瑞金医院放射科工作流程，设计并开发AI影像质控中心；在瑞金医院放射科现场环境验证AI影像质控中心对于优化工作流程；对比使用AI质控系统前后，图像质量提升的的成效，研究面向上海市放射诊断质控体系下，本市各级医疗机构放射质控管理新路径。

结果：AI技术与放射科工作流程全面整合，通过实时质控功能，及时向摄片技师反馈图像质量。回顾质控功能则有利于系统性分析图像质量，便于质控中心的监督管理。

结论：将AI技术的图像特征提取、分类和目标检测功能应用于放射质控领域，通过对图像中体位不正确和存在异物等的识别，可以有效提升放射质控效率，减少废片和重复检查率，从而提高图像质量，并为后续实现AI质控在摄片参数选择不正确方面的功能提供了理论基础。