SCI论文（www.lunwensci.com）
【摘要】目的探究人工智能软件（AI）与人工后处理在冠状动脉CT血管成像中的应用效果，并比较其图像质量，为冠状动脉疾病的诊断提供依据。方法回顾性分析2020年10月至2022年8月建始县人民医院收治的200例疑似冠状动脉狭窄患者的临床资料，均同时接受两种处理方式，依据不同处理方式命名为人工组（人工后处理）和AI组（AI处理）。所有研究对象均接受冠状动脉CT血管成像检查。比较两组多平面重组（MRP）图像评分、曲面重组（CRP）图像评分，以及容积再现（VR）图像质量的主观评价及图像质量缺陷因素情况。结果人工组MRP图像回旋支（LCX）评分高于AI组（<0.05）；两组MRP图像右冠状动脉（RCA）、左前降支（LAD）及CPR图像LCX、RCA、LAD评分，VR图像质量评级、图像质量缺陷因素比较，差异均无统计学意义（均>0.05）。结论AI与人工后处理在冠状动脉CT血管成像中的图像质量相仿，各有优缺点，两者结合可以互补，以提高其在冠状动脉CT血管成像中应用效果。
【关键词】人工智能软件,人工后处理,冠状动脉CT血管成像,图像质量
冠心病是冠状动脉血管发生动脉粥样硬化性改变，导致血管狭窄、堵塞，造成心肌缺氧、缺血、坏死的一种心脏病，严重危害患者的身心健康，因此，对冠心病尽早诊断并采取有效的干预措施是提升冠心病整体治疗效果的关键步骤。冠状动脉CT血管成像安全可靠，无创伤，可以准确观察病变血管狭窄程度，并且准确评估斑块性质，在临床上被广泛应用[1-2]。冠状动脉CT血管成像诊断冠心病需要临床医师对扫描图像进行后处理，人力资源需求较大。随着人工智能技术的不断发展，医疗辅助诊断和人工智能技术相结合，已经逐步应用于冠状动脉CT血管成像疾病诊断中，有助于缓解医疗资源压力[3]。本研究旨在探究人工智能（AI）软件与人工后处理在冠状动脉CT血管成像中的应用效果，并比较其图像质量，现报道如下。
1资料与方法
1.1一般资料回顾性分析2020年10月至2022年8月建始县人民医院收治的200例疑似冠状动脉狭窄患者的临床资料，均同时接受两种处理方式，依据不同处理方式命名为人工组（人工后处理）和AI组（AI处理）。所有研究对象均接受冠状动脉CT血管成像检查。其中男性105例，女性95例；年龄25~85岁，平均（56.14±6.25）岁；心率48~100次/min，平均（68.45±7.52）次/min。纳入标准：①出现胸闷、胸痛等症状，均为自由心率，且心率变异相≤5次/min；②能够顺利进行冠状动脉CT血管成像检查；③既往有心脏手术史。排除标准：①生命体征不稳定；②碘剂过敏；③无法正常配合检查。建始县人民医院医学伦理委员会对本研究进行详细审核是否符合规范要求，已批准进行。
1.2检查方法
1.2.1冠状动脉CT血管成像检查为研究对象讲解冠状动脉CT血管成像检查过程，咨询是否存在碘过敏史，并作对比剂过敏皮试，防止意外情况。使用螺旋CT机（美国GE公司，型号：Optima CT660）进行冠状动脉CT血管成像检查，扫描前3 min，无硝酸甘油禁忌证者舌下含服0.5~1.0 mg硝酸甘油片（山西振东安欣生物制药有限公司，国药准字H14020584，规格：0.5 mg/片），禁止佩戴金属异物，防护好性腺，并训练患者吸气、屏气。患者平卧在双源CT检查床上，双手举过头顶，在患者屏气状态下自患者气管分叉下方1 cm处扫描至心脏膈面水平。扫描参数设置：机架转速（S/R）：0.35电压（kVP）：80（BMI<23），100（23<BMI<28）120（28<BMI<32），140（BMI>32）固定毫安（心电门控mAs）螺距：0.16－0.24：1（根据心率自动调整）准直器宽度（mm）：64×0.625重建层厚/层距（mm）：0.625/0.625迭代算法：ASiR Level 30－80%。在患者右侧静脉处埋置18G套管针，使用双筒高压注射器注注射对比剂碘佛醇（350 mgI/mL），注射量：60 mL，注射流速：5 mL/s，完成后以相同注射速度注射30 mL生理盐水。使用对比剂智能追踪触发技术，升主动脉管腔内为监测点，触发阈值60 HU，到达阈值后7 s触发扫描。所有图像均使用冠脉运动冻结技术重建，以便获得冠脉成像最佳期相。
1.2.2图像后处理通过软件ADW4.6进行原始图像前处理，人工组将前处理后的图像进行后处理操作，采用多平面重组（MRP）、曲面重组（CRP）、容积再现（VR）等方法进行图像重建，测量、评估冠脉血管狭窄程度并给出诊断报告。AI组通过CoronaryDoc辅助诊断软件直接自动处理原始图像并给出报告。
1.2.3冠状动脉造影检查患者平躺在检查床上，局部麻醉，通过桡动脉或股动脉进行穿刺，放置鞘管，造影导管由鞘管经穿刺部位送到冠状动脉开口处。加压注入对比剂，观察冠状动脉走行、结构、有无动脉粥样硬化病变、狭窄程度等。
1.3观察指标①两组后处理方法下MRP图像评分。包括右冠状动脉（RCA）、左前降支（LAD）及回旋支（LCX）评分，图像处理后由2名资深医师对图像进行评分，RCA、LAD、LCX图像评分均按照5分法进行评定：4分：血管边缘清晰，无运动伪影，优质图像对比；3分：有轻度运动伪影，不影响血管评价，可接受图像对比；2分：有较多运动伪影，图像评价困难，图像对比度低；1分：无法评价，血管显示不清；0分：识别命名错误图像。0~2分判定为无法诊断图像，3~4分判定为可诊断图像[4]。②两组后处理方法下CPR图像评分。评分方法同①。③两组VR图像质量的主观评价。由2位资深影像科医师采用单盲法评估VR图像质量，若出现意见分歧重新进行评价，协商后取得统一意见。VR图像质量分为3个级别：心脏三维解剖结构显示清晰，无静脉污染、杂质，冠脉各主支血管及分支连续走行、无遮挡视为优；有一项不满足于优质图像者视为良；冠脉血管有缺如或者误添加多余血管，不合格图像视为差[5]。统计两组图像质量缺陷因素情况。④对比分析典型病例VR与CPR图像经AI与人工后处理后的图像特征。
1.4统计学方法采用SPSS 20.0统计学软件分析，计数资料以[例(%)]表示，两组间比较采用χ2检验；计量资料均先经S-W法检验证实均符合正态分布且方差齐，以(x±s)表示，两组间比较采用t检验。以<0.05为差异有统计学意义。
2结果
2.1两组后处理方法MRP图像评分比较人工组MRP图像LCX评分高于AI组，差异有统计学意义（<0.05）；两组MRP图像RCA、LAD评分比较，差异无统计学意义（>0.05），见表1。
2.2两组后处理方法CPR图像评分比较两组CPR图像LCX、RCA、LAD评分比较，差异均无统计学意义（均>0.05），见表2。
2.3两组VR图像质量的主观评价比较两组VR图像质量评级、图像质量缺陷因素比较，差异均无统计学意义（均>0.05），见表3。
2.4典型病例冠状动脉CT血管成像图像特征VR法图像重建后处理，其中AI后处理图像，图像质量优，血管显示清晰，心脏表面无杂质，见图1-A；人工后处理图像，图像质量良，冠脉主干显示佳，分支等小血管无法显示，部分血管与静脉贴合紧密，无法祛除，见图1-B。CPR法图像重建后处理，其中AI后处理图像中RCA整体显示清晰，更易区分病灶位置，如远段钙化斑块，见图2-A。人工后处理图像中RCA，图像显示整体模糊，远段钙化斑块显示欠清晰，见图2-B。MPR法图像重建后处理，其中AI后处理图像中LAD近段狭窄位置更易检出，清晰可见，见图3-A。人工后处理图像中LAD近段狭窄位置显示不清晰，不易检出，见图3-B。
3讨论
心血管疾病在中老年人群中发病率非常高，如何尽早发现冠状动脉狭窄并对斑块定性是临床上非常关注的话题。冠状动脉CT血管成像可以清晰地显示冠状动脉血管数量及分段解剖结构，血管和组织的对比度展示也较为清晰，诊断准确性较高，随着医疗影像数据的不断增长、计算机能力的提高，以及影像工作量的急速增长驱动了AI在影像诊断领域的应用[6]。
目前，AI应用于X线、超声、MRI等多种医疗影像中，其辅助诊断疾病种类也越来越多。ADW4.6工作站进行智能前处理，自动完成病例前期准备工作，对解剖结构进行识别、分割、隔离显示。智能自动切割遮挡冠状动脉显示的其他部分，使血管充分暴露，方便人工后处理操作。ADW4.6具有冠状动脉标记、狭窄测量等功能，冠状动脉CT血管成像人工后处理时，无需再进行繁杂的图像处理[7-8]。CoronaryDoc辅助诊断软件AI心血管疾病智能辅助诊断系统，通过获取数据、血管分割、中心线提取、血管分段、图像后处理、人机交互等流程获得图像结果。具有处理速度快、图像诊断同步确认、智能结构化报告等优点[9]。本研究中，人工组MRP图像LCX评分高于AI组；而两组MRP图像RCA、LAD及CPR图像LCX、RCA、LAD评分，以及VR图像质量评级、图像质量缺陷因素比较，差异均无统计学意义，说明AI与人工后处理在冠状动脉CT血管成像中的图像质量相仿，各有优缺点。分析原因可能是，AI后处理虽然可以实现后处理流程自动化，但可能由于AI训练集的数据来自多个中心的不同设备的数据，不可避免会出现处理错误的情况，对于特殊病例的图像处理仍需人工后处理进行。初始图像较为良好的病例，AI后处理可以直接使用，后处理影像较好；初始图像一般的病例，使用人工后处理较好；初始图像差的病例，两种后处理方式无太大差别[10]。就目前而言，AI后处理可以缩短工作流程，但其图像质量、冠脉狭窄检出情况与人工后处理差异并不显著，且部分特殊病例无法准确诊断，因此，AI后处理并无法完全代替人工后处理，两者结合可以提高其在冠状动脉CT血管成像中应用效果。
综上，AI与人工后处理在冠状动脉CT血管成像中的图像质量相仿，两者结合可以提高其在冠状动脉CT血管成像中应用效果。但由于本研究结果的验证均来自建始县人民医院病例的数据，且为回顾性、单中心研究，结果可能存在偏倚，尚需进一步扩大样本量选取范围，进行前瞻性、多中心的随机对比研究，对此系统进行更深入系统验证及优化。
参考文献
[1]祁冬,姚传顺,胡淑敏,等.人工智能在冠状动脉CT血管成像图像后处理和冠状动脉狭窄诊断中的应用[J].江苏大学学报(医学版),2023,33(4):323-327,332.
[2]朱刚明,谭源满,陶娟,等.基于深度学习的冠状动脉CTA人工智能后处理对疑似冠心病患者诊断价值的初步研究[J].临床放射学杂志,2021,40(11):2128-2133.
[3]赵福琳,陈澜菁,刘俊七,等.对比人工与人工智能图像后处理冠状动脉CT血管造影显示冠状动脉解剖及其病变[J].中国介入影像与治疗学,2022,19(12):782-786.
[4]中华医学会放射学分会心胸学组,《中华放射学杂志》心脏冠状动脉多排CT临床应用指南写作专家组.心脏冠状动脉CT血管成像技术规范化应用中国指南[J].中华放射学杂志,2017,
51(10):732-743.
[5]王宪凯,贾学燕,程祥科.人工智能在冠状动脉CTA图像后处理及狭窄评估中的应用价值[J].医学影像学杂志,2022,32(4):588-590,720.
[6]冯雪聪,陈波,钱俊磊,等.基于深度学习的CTA影像冠状动脉分割[J].激光杂志,2022,43(2):200-204.
[7]刘珮君,王怡宁,于敏,等.人工智能优化算法对提高大体型患者低剂量扫描冠状动脉图像质量的价值[J].放射学实践,2019,34(7):760-766.
[8]王曼,王怡宁,于敏,等.人工智能成像优化技术在冠状动脉CT血管成像的初步应用研究[J].中华放射学杂志,2020,54(5):460-466.
[9]张晓浩,刘军波,范丽娟.人工智能技术应用于冠状动脉CTA图像后处理的可行性[J].放射学实践,2021,36(8):994-999.
[10]暴云锋,蔡萌,赵明娟,等.冠状动脉CT血管成像人工与人工智能后处理工作效率和图像质量的对比[J].实用放射学杂志,2020,36(8):1322-1325.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！ 文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/yixuelunwen/73972.html
