摘要

目的:通评估基于深度学习(DL)算法的冠状动脉CTA(CCTA)智能分析技术在辅助诊断冠状动脉慢性完全闭塞病变(CTO)中的可行性。方法:基于卷积神经网络自动分割、重建CCTA图像,同时提供辅助诊断信息。回顾性分析我院2020年1月1日至2020年12月31日期间,行CCTA检查的冠状动脉CTO患者100例,所有入组患者同时接受了数字减影血管造影检查(DSA)。以DSA检查为参考标准,比较基于DL的CCTA智能分析技术与人工判读诊断CTO病变的准确性。结果:与人工判读相比,CCTA智能分析技术显著缩短了约80%的后处理和诊断时间,分别仅需(2.7±0.9)min和(1.4±0.6)min,其在冠状动脉中度狭窄中的诊断准确率与人工判读相近(89.3%vs. 89.8%,P> 0.05);而智能分析技术对于重度狭窄与CTO病变的诊断准确性不及传统人工方法(重度狭窄:59.9%vs.74.3%;完全闭塞:61.3%vs. 80.8%;P<0.05)。结论:基于DL的CCTA智能分析技术可提高冠状动脉粥样硬化病变的评估效率,在冠心病患者中度狭窄病变中的诊断准确性较高,但其在重度狭窄与CTO病变中的诊断鉴别能力还有待提高。

  • 单位
    首都医科大学附属北京安贞医院; 北京市心肺血管疾病研究所