法医学杂志

期刊简介

  《法医学杂志》(CN 31-1472/R,ISSN 1004-5619)创刊于1985年7月,由中华人民共和国司法部主管、司法部司法鉴定科学技术研究所主办,是我国第一本向国内外公开发行的国家级法医学专业学术刊物。本刊创刊时为每期48页季刊,1996年改为每期64页,2005年改为每期80页,2006年变更为每期80页双月刊。2009年起正文纸张由80克双胶纸改为80克UPM雅光纸,采用了图文混排方式。

  《法医学杂志》的办刊宗旨为:提供法医学及其相关学科的新理论、新技术、新方法等信息,为维护司法公正、贯彻依法治国的方略服务,促进国内外同行的学术交流和本学科的发展。

  《法医学杂志》刊登的主要内容包括:法医病理学、法医临床学、法医物证学、司法精神病学、法医毒理学、法医昆虫学和毒(药)物分析、医疗纠纷、医疗事故的法医学鉴定以及交通事故鉴定等现代司法鉴定科学方面的最新成果和动态。既刊登大量国家自然科学基金等大型项目资助的创新性科研成果,也刊登许多对实际鉴定工作大有帮助的实用性技术和经验交流类文章,全面地为法医工作者提供科研、教学、检案等方面的新动向、新进展、新技术、新经验。

  开设的栏目有:研究论著、技术与应用、案例分析、经验交流、医疗纠纷、疑难案例报道、综述、专题讲座和教育培训等。

  主要作者和读者群为:公安、检察、法院、司法行政系统等部门的法医工作者,各类司法鉴定机构中的法医学鉴定人,高校法医院系、法律系的师生,卫生医疗单位的医务人员和法律工作者。

  本刊编辑部多年来奉行高水平、高质量、高品位的办刊方针,在办刊中严格执行有关国家标准和规范以及审校制度,编辑人员对稿件的处理精益求精。录用文章学术水平高,实用性强,栏目内容丰富,版面设计合理,图表制作精确,印刷装帧精良,深受法医学界专业人员、高校师生及司法鉴定领域中相关人员的欢迎和认可。为促进法医学学科发展、提高本学科的科研和检案水平以及法医学人才培养作出了重要贡献。

  本刊自1997年被美国生物医学文献资料数据库MEDLINE收录,是中国第一也是目前唯一一本进入该数据库的法医学类期刊。自1999年起陆续被《万方数据》、《中国学术期刊(光盘版)》、《中国学术期刊综合评价数据库》统计源期刊、《中国期刊全文数据库》、《中国核心期刊(遴选)数据库》等全文收录;被全国医学综合性检索工具《中文科技资料目录-医药卫生》列为核心期刊收录;获首届《CAJ-CD规范》执行优秀期刊奖。2008年起本刊被确定为荷兰医学文摘(EMBASE)数据库收录期刊和中国《全国报刊索引》核心期刊。2009年被“中国科技论文统计源期刊”(中国科技核心期刊)收录。2011年被中国科学引文数据库(CSCD)收录。2012年被Elsevier公司二次文献数据库(Scopus)收录。2013年 超星数字期刊。2015年 第四届《中国学术期刊评价研究报告(武大版)(2015-2016)》中,被评为“RCCSE中国核心学术期刊(A)”。2016年4月《法医学杂志》被中国社会科学院中国社会科学评价中心《中国人文社会科学期刊评价报告(AMI)》的引文数据库收录为来源刊;10月,获准加入WHO西太平洋区医学索引(The Western Pacific Region Index Medicus, WPRIM)。

  根据期刊引证报告最新统计,《法医学杂志》影响因子逐年上升,目前在法医学类期刊中,其影响因子名列榜首。

               

人工智能在医学影像诊断中的研究进展与临床应用

时间:2025-08-22 15:39:45

核心主题

AI辅助诊断在肺结节、乳腺肿瘤、脑卒中影像中的诊断效能及临床转化瓶颈

结构框架

1. 摘要

目的:系统评价深度学习算法在胸部CT、乳腺钼靶、头颅MRI诊断中的敏感性、特异性及临床实用性

方法:检索PubMed、Cochrane Library、中国知网2019-2024年文献,采用QUADAS-2工具评价文献质量,Stata 17.0进行Meta分析

结果:纳入58项研究(12万例患者),AI对肺结节诊断的合并AUC为0.94(95%CI:0.92-0.96),乳腺肿瘤诊断敏感性0.91(0.88-0.93),但基层医院临床采纳率仅32.6%

结论:AI影像诊断效能接近资深放射科医师,但在数据标准化、模型可解释性、医保政策配套等方面存在转化障碍

2. 关键词

人工智能;医学影像;深度学习;诊断准确性;系统综述

3. 正文大纲

引言:引用《自然医学》数据指出全球放射科医师缺口达40%,AI可能成为解决方案

技术原理:简述卷积神经网络(CNN)、Transformer模型在影像特征提取中的应用

临床证据:分部位阐述AI诊断性能(肺结节、乳腺肿瘤、脑卒中),对比不同算法(如3D-CNN vs 2D-CNN)的优势

转化瓶颈:分析数据孤岛(多中心数据共享率<15%)、模型泛化性(跨设备准确率下降12%-25%)、法律责任界定等问题

未来方向:联邦学习技术、AI+医师协同诊断模式、监管审批路径建议

4. 参考文献建议

Litjens G, et al. (2022). Deep learning as a tool for increased accuracy and efficiency in medical imaging. Nat Med.

国家药监局. (2024). 医疗器械软件审评技术指导原则.