Radiology：慢性冠狀動脈閉塞的CCTA深度學習分割與重建 ®醫學論壇網-網聚醫學的力量

Radiology：慢性冠狀動脈閉塞的CCTA深度學習分割與重建

作者：佚名來源：MedSci梅斯日期：2023-02-16

導讀

臨床上，冠狀動脈慢性完全閉塞(CTO)常見於懷疑有梗阻性冠狀動脈疾病並被轉診為有創冠狀動脈造影(ICA)的有症狀患者。盡管血管內重建技術不斷進步，CTO再通仍然是經皮冠狀動脈介入治療(PCI)中最具挑戰性的手術之一。

關鍵字：冠狀動脈閉塞

冠狀動脈CT血管成像(CCTA)是一種成熟的無創成像方式，可用於準確診斷冠狀動脈狹窄。由於非增強型閉塞段的可見性，CCTA提供了關於CTO特征的寶貴信息，如病變長度、鈣質負荷、殘端形態和迂曲性。最近的一項臨床試驗顯示，與ICA引導的PCI相比，術前CCTA提高了血管重建的成功率，特別是在日本多中心CTO登記處(J-CTO)評分為2或更高的患者中。然而，在CCTA圖像上進行CTO的傳統重建十分耗時，因為閉塞段往往不能用市麵上的後處理軟件自動識別而需要手工重建。此外，與非閉塞性狹窄患者相比，CTO患者的準確重建和病變量化也更具挑戰性。

在過去的十年中，深度學習(DL)輔助的醫學圖像處理在組織分割、病變檢測和疾病鑒定領域取得了巨大的進展。特別是，深度學習方法由於其自學能力和泛化性能，在血管分割方麵表現出相當大的潛力，並成功應用於視網膜血管眼底圖像、頭頸部血管圖和心髒CT血管圖。

近日，發表在Radiology雜誌的一項研究開發了一個用於CTO自動重建的DL模型，並評估了其與傳統手工量化相比對CTO量化的臨床效果，為臨床實現快速的圖像重建及診斷評估提供了技術支持。

本這項回顧性研究是用來包括6066名患者(582名有CTO，5484名無CTO)的訓練集和1962名患者(208名有CTO，1754名無CTO)的驗證集的冠狀動脈CT血管成像圖像，開發了一個自動CTO分割和重建的DL模型。該算法使用211名CTO患者的外部測試集進行了驗證。使用類內相關係數、Cohen κ係數和Bland-Altman圖對CTO定量的一致性和測量一致性進行了比較。評估了CT衍生的CTO登記處(J-CTO)評分對血管重建成功的預測價值。

在外部測試集中，評估了211名患者(平均年齡66歲±11[SD];164名男性)的240個CTO病變。通過DL對CTO進行自動分割和重建，95%的病變(240個中的228個)無需人工編輯，48%的病變(240個中的116個)采用傳統的手工分割並獲得了成功(P < .001)。DL的總後處理和測量時間比手工重建短(平均121秒±20 vs 456秒±68;P < .001)。兩種方法評估的CTO定量和定性參數顯示出良好的相關性(所有相關係數>0.85，所有P < .001)，測量差異最小。從DL得出的J-CTO評分和傳統的人工量化對手術成功的預測值顯示沒有差異(接收者操作特征曲線下的麵積分別為0.76[95%CI：0.69，0.82]和0.76[95%CI：0.69，0.82];P = 0.55)。

研究表明，與傳統的人工重建相比，目前開發的深度學習(DL)模型能夠顯著減少冠狀動脈CT血管造影圖像上慢性全閉塞(CTO)定量的後處理時間。與人工重建的解剖學評估相比，基於DL模型的閉塞特征的解剖學評估有很好的相關性和一致性。