目前国内已有推动互联网与影像学及影像组学诊断的专家共识。对于图像质量控制（简称质控），国
外已有研究探讨图像模态与造影的质控标准，而国内尚缺乏相关专家共识，仍需依靠医生进行相关信息
化质控。另一方面，医联体内部存在诸多差异，为质控工作带来巨大困难。利用人工智能（ＡＩ）可定量、自动分析数据，为实现影像数据质量同质化提供了有效方法。复旦大学附属中山医院建立了５Ｇ影像云平台，并尝试将其用于医联体影像质控，通过云平台及ＡＩ技术将监督采集影像及核对等工作置于影像科技师操作过程中，以实现质控前置，同时从技师、设备及医院等维度全面、定量分析医联体内各影像科室的成像质量，使专家小组能常态化统计分析、总结全医联体影像质量。为此，针对医联体影像采集智能化质控而形成本专家共识。

目前国内已有推动互联网与影像学及影像组学诊断的专家共识。对于图像质量控制（简称质控），国
外已有研究探讨图像模态与造影的质控标准，而国内尚缺乏相关专家共识，仍需依靠医生进行相关信息
化质控。另一方面，医联体内部存在诸多差异，为质控工作带来巨大困难。利用人工智能（ＡＩ）可定量、自动分析数据，为实现影像数据质量同质化提供了有效方法。复旦大学附属中山医院建立了５Ｇ影像云平台，并尝试将其用于医联体影像质控，通过云平台及ＡＩ技术将监督采集影像及核对等工作置于影像科技师操作过程中，以实现质控前置，同时从技师、设备及医院等维度全面、定量分析医联体内各影像科室的成像质量，使专家小组能常态化统计分析、总结全医联体影像质量。为此，针对医联体影像采集智能化质控而形成本专家共识。