定义
X光（X-Ray）是利用 X 射线穿透人体或物体，因不同组织密度对 X 射线吸收程度不同而形成灰度影像的医学影像技术。它是临床最常用的影像检查手段之一，与CT、MRI共同构成医学影像体系。X 光影像是医学影像AI、智能诊断的重要数据源，通过深度学习、图像识别可实现肺结节、骨折、肺炎等病变的辅助检测。
X光的临床应用与数字化
X 光广泛应用于胸部、骨骼、腹部、牙科等检查。数字化 X 光（DR、CR）替代传统胶片，实现影像的数字化采集、存储与传输，支撑远程医疗、医学影像AI分析。影像数据通过 PACS、云平台管理，结合循证医学、知识图谱，可辅助医生进行智能诊断与决策。
医学影像AI在X光中的应用
医学影像AI基于深度学习、图像识别，对 X 光影像进行自动分析，可检测肺结节、气胸、骨折、肺炎等病变，辅助医生提高诊断效率与准确性。结合自然语言处理、循证医学，AI 可生成结构化报告建议。数据需符合医疗数据安全与隐私法规，云计算部署需满足等保、HIPAA 等要求。达希物联可为医疗设备联网、影像数据传输提供安全通信与API能力。
发展趋势与实施建议
X 光与CT、MRI等多模态影像融合、医学影像AI的持续迭代，将进一步提升诊断能力。实施时需关注：影像格式与传输标准（DICOM）、与 PACS/RIS 的集成、AI 模型的可解释性与FDA、NMPA 等监管合规、远程医疗场景下的数据安全与带宽。
投影成像的密度含义
X 光形成的是射线沿一条路径被吸收之后剩下的强度，路径上所有结构叠在同一张灰阶里。骨吸收多，看起来更白；气腔吸收少，看起来更黑。这是投影，不是断层。前后重叠的肋骨和肺野血管可以叠成一个结节样阴影，换一个角度或让患者转体，阴影会分开。把单张正位片上的白点直接写成占位，忽略了投影的叠加。
它适合作为骨与胸腹的初筛，因为检查快、骨骼对比清楚。软组织之间的差别小，单靠平片往往分不开。使用条件包括正确的投照体位、可追溯的曝光参数，以及图像没有被二次压缩到无法调节窗宽。数字图像应保留原始灰阶，手机对着看片灯翻拍会把环境光和屏幕反光一起拍进去，对比度不再属于患者。
曝光不足时噪声盖住细微骨折，曝光过度时肺野一片白，两者都不能靠后期拉对比完全找回。左右标记缺失时，不能凭心脏位置猜测，异位心或技术性反转都会让侧别写反。异物和体外纽扣可能投影在体内，需要结合体位而不是只看灰度。运动模糊的片子若拿去自动检测，模糊边缘会被当成病变轮廓。
自动检出可以借助机器学习，但那不是视频智能分析。平片是一幅静态投影，视频分析处理的是连续画面里的行为。把视频模型的告警逻辑套到一张胸片上，既没有时间连续性，也回答不了密度叠加。辅助结果应附带所用图像是原始灰阶还是翻拍照片，翻拍照片不应进入正式阅片。
体位是投影能否看清的条件。正位上重叠的结构，侧位或斜位可能分开。少拍一个必要体位，就把重叠留在图像里，事后无法靠调窗解开。患者转动不足、肩胛没移开、吸气深度不够，都会制造看起来像病变的阴影。技术记录应注明这些限制，避免下一份报告把技术问题写成病情变化。
曝光参数和探测器距离会影响黑白对比。同一患者前后两次如果条件差很多，不能直接说病灶变浓或变淡。金属植入物会在周围产生亮边，亮边不是新的钙化。体外物品，例如衣服上的装饰，应在投照前去除，否则会投影到体内区域。儿童和成人的曝光条件不同，用成人条件去拍小儿，细节和剂量考虑都不再合适。
数字化之后仍然要保留左右标记和检查时间。标记做在图像像素里和做在显示软件的覆盖层里不是一回事，覆盖层在另存为普通图片时会丢失。测量长度要在已知比例的原始图像上进行，截图缩放后量出的像素不能换算成解剖尺寸。辅助检测给出的框，应能回到原始图像的同一位置，框的坐标如果对应的是翻拍后的照片，就不能写进正式报告。
复查对比要使用同侧、同方向的片子。一张正位和一张侧位不能逐像素相减，相减出来的边缘是投影方向不同，不是病情进展。历史片子缺失标记时，应先确认左右，再谈是否增大。把方向不一致的两张片子写成“较前增大”，会把技术差异当成临床变化。