基于深度学习的冠状动脉CT血管成像冠状动脉疾病报告与诊断系统的临床应用
肖建伟; 张树桐; 谢元亮; 胡芸; 陈燕浩; 陈发祥; 王翔
【期刊名称】《《实用医学杂志》》
consultantvicenza【年(卷),期】2019(035)020
【总页数】4页(P3227-3230)
【关键词】ebigear深度学习; 冠状动脉CT血管成像; 冠心病; 冠状动脉疾病报告与数据系统
绿色革命
【作 者】走吧走吧go肖建伟; 张树桐; 谢元亮; 胡芸; 陈燕浩; 陈发祥; 王翔
【作者单位】华中科技大学同济医学院附属武汉中心医院影像诊断科 武汉430030
【正文语种】kaguya中 文
冠心病，是指冠状动脉粥样硬化使血管管腔狭窄或闭塞，或（和）因冠状动脉功能改变（痉挛）导致心肌缺血缺氧或坏死而引起的心脏病。近年来，冠心病的发病率在我国不断
上升，其病死率也呈现快速上升趋势［1-4］。近年来，临床多选用冠状动脉CT 血管成像（coronary computed tomography angiography，CCTA）对冠心病进行评价和分析［5］。2016年，美国放射学学会、北美心血管影像学会和美国心血管CT 学会基于CCTA 检查发布了最新的报告规范-冠状动脉疾病报告与数据系统（CAD-RADSTM），旨在规范临床医疗中CCTA 检查结果的报告［6］。随着大数据和深度学习等技术在医疗领域的兴起，医疗辅助诊断领域最近被重视［7］。本研究将探讨基于深度学习的CCTA 的CAD-RADSTM 在冠心病诊断中的临床应用价值，为冠心病的规范化、智能化诊断的研究提供依据。
1 资料与方法
1.1 一般资料 入选患者为2018年9-12月，经我院临床疑诊冠心病，共226 例，其中男146 例，女80 例，年龄33～76 岁，平均（63.4±9.9）岁。纳入标准：患者均为自由心率，心律变异相≤5 次/min，无明显检查禁忌症；排除标准：心脏瓣膜手术病史；搭桥手术史；PCI 病史；严重心律不齐；碘剂过敏患者；检查时不能配合者。同时收集观察患者入院时的病史资料，包括首次检查的射血分数（EF），甘油三酯（TG），总胆固醇（TC），高密度脂蛋白（HDL-c），低密度脂蛋白（LDL-c），血肌酐（Cr），尿素氮（BUN）。
1.2 检查方法 检查前，护士向患者介绍CCTA检查的过程，解释可能出现的一过性不适以缓解患者压力；询问碘过敏史，并行对比剂过敏皮试，患者右上肢肘前静脉预埋留置针，预先推入少量无菌生理盐水（测试留置针的通畅）。排空高压注射器（MALLINCKRODT，USA）中的少量气体并与留置针相接，告知患者检查过程中可能出现的一过性不适，并让患者配合进行多次呼吸训练，然后再次留置针中预推适量生理盐水以确保其通畅。本研究的设备为西门子双源CT，选用非离子型对比剂碘（370 mgI/mL，Bayer Schering Pharma，Germany）60～70 mL，生理盐水30 mL，流速5.0～5.5 mL/s；选择降主动脉层面（应用对比剂示踪法）感兴趣区（ROI）进行CT 值监测，当监测层面ROI 的CT 值大于预设的触发扫描CT 值（100 HU）时，即进行CCTA 扫描，扫描方式为回顾性心电门控法，延迟8 s，扫描时间约4.0 s，扫描参数：管电流280 mAs，管电压100 kV，层厚0.75 cm。
1.3 图像处理和分析 将扫描原始扫描图像上传至双源CT 后处理工作站（Sigovia 工作站），应用工作站中CT 冠脉软件处理图像，包括血管探针（VP）、最大密度投影（MIP）、多平面重建（MRP）和三维曲面重建（VR），以显示冠状动脉18 节段，分析每个冠脉节段是否存在斑块及狭窄，以及狭窄程度。同时，深度学习工作站（数坤科技，
北京），前期已经在我院进行超过2 000 例高质量CCTA 检查及报告的数据训练学习，从双源CT 扫描后自动重建的最佳舒张期和收缩期中抓取CCTA 图像，通过深度学习算法自动识别冠脉中心线、管腔病变，同时自动构建冠脉树，MIP，VP，MRP 和VR 图，生成报告，并根据标准投照角的需求自动排版出片。参照2014年SCCT 发布的18 段冠状动脉分段体系进行分段［8］：（1）右冠状动脉近段；（2）右冠状动脉中段；（3）右冠状动脉远段；（4）右冠状动脉发出后降支；（5）左主干；（6）前降支近段；（7）前降支中段；（8）前降支远段；（9）第一对角支；（10）第二对角支；（11）回旋支近段；（12）第一钝缘支；（13）回旋支中远段；（14）第二钝缘支；（15）回旋支发出后降支；（16）右冠状动脉发出左后室支；（17）中间支；（18）回旋支发出左后室支。识别并判断是否存在狭窄、狭窄部位、程度以及斑块性质。狭窄程度的判断分级按照CAD-RADSTM报告系统分级［4］：CAD-RADS 0，冠状动脉狭窄的最大程度为0；CAD-RADS 1，冠状动脉狭窄的最大程度为1%～24%；CAD-RADS 2，冠状动脉狭窄的最大程度为25%～49%；CAD-RADS 3，冠状动脉狭窄的最大程度为50%～69%；CAD-RADS 4A，冠状动脉狭窄的最大程度为70%～99%；CAD-RADS 4B，左主干狭窄的最大程度＞50%或者三支血管阻塞性病变≥70%；CAD-RADS 5，冠状动脉狭窄的最大程度为100%；CAD-RADS N，图
像无法用于临床诊断。所有图像均经过两名心血管诊断医师判读（5年和10年以上工作经验）。
1.4 统计学方法 采用SPSS 18.0 统计软件包对数据进行统计学分析，计数资料率以例（%）表示，采对χ2检验（McNemar′s test）比较差异，计量资料以均数±标准差表示，用方差分析进行比较。P＜0.05 为差异有统计学意义。
2 结果
2.1 基于深度学习的CAD-RADS 分级患者图像资料 226 例患者中，有3 例患者CCTA 检查图像质量不佳，最终223 例患者纳入研究。按照CADRADS 分级标准，部分患者图像见图1。
2.2 一般资料 按照CAD-RADS 分级标准，CADRADS 0 级的患者有82 例，占36.8%；CAD-RADS 1级的患者有32 例，占14.3%；CAD-RADS 2 级的患者有31 例，占13.9%；CAD-RADS 3 级的患者有42例，占18.8%；CAD-RADS 4A 级的患者有15 例，占6.7%；CAD-RADS 4B 级的患者有11 例，占4.9%；CAD-RADS 5 级的患者有10 例，占4.5%。C
falttoADRADS 分级患者中，高血压、糖尿病病史及射血分数差异有统计学意义（P＜0.05）。见表1。
2.3 基于深度学习和医师对CCTA 的CADRADS分级的比较 基于深度学习对CCTA的CADRADS 分级和医师对CCTA 的CAD-RADS 分级评价差异无统计学意义（Z =-0.202，P = 0.84），一致性检验结果显示两者的Kappa 值为0.687（P＜0.05），一致性较好。见表2。
3 讨论
图1 基于深度学习的CAD-RADS 分级CCTA 图像Fig.1 Images of CCTA with CAD-RADS grades ba on deep learning注：A，CAD-RADS 0；B，CAD-RADS 1；C，CAD-RADS 2；D，CAD-RADS 3；E，CAD-RADS 4A；F，CAD-RADS 4B；G，CAD-RADS 5
scolpartnership
表1 基于深度学习CAD-RADS 分级的患者一般资料Tab.1 Basic clinical characteristics of patients with CAD-RADS classification bad on deep learning ±s高血压［例（%）］糖
尿病［例（%）］肾病［例（%）］EF（%）TG（mmol/L）TC（mmol/L）HDL-c（mmol/L）LDL-c（mmol/L）Cr（μmol/L）BUN（μmol/L）CAD-RADS 0（n=82）43（52.4）21（25.6）9（11.0）53±9.7 1.6±1.1 4.3±1.4 1.1±0.4 2.6±1.1 7.6±2.5 99±14 CAD-RADS 1（n=32）18（56.2）12（37.5）5（15.6）53±9.4 1.6±1.2 4.3±1.5 1±0.3 2.6±1.1 7.9±2.6 119±16 CAD-RADS 2（n=31）21（67.7）7（22.6）4（12.9）54±8.0 1.6±1.0 3.9±1.0 1±0.2 2.3±0.8 7±4.0 89±36 CAD-RADS 3（n=42）32（76.2）12（28.6）6（14.3）56±9.9 1.8±1.4 4.4±1.8 1.2±0.78 2.6±1.2 6.7±3.6 100±29 CAD-RADS 4A（n=15）13（86.7）10（66.7）1（6.7）47±9.2 2.4±2.1 4.3±1.6 1±0.5 2.6±1.3 8.3±4.6 104±39 CAD-RADS 4B（n=11）9（81.8）6（54.5）0（0.0）43±12 1.5±0.5 5.5±2.1 1.1±0.2 3.6±1.7 6.8±1.9 78±28 CAD-RADS 5（n=10）8（80.0）8（80.0）0（0.0）42±8.4 1.3±1.0 4±0.9 0.9±0.16 2.4±0.8 6.2±1.8 80±28 χ2/F 值14.532 23.704 4.082 7.013 1.543 1.835 0.731 2.046 0.341 0.426 P 值0.024 0.001 0.666 0.001 0.165 0.094 0.625 0.061 0.914 0.861
va是什么意思
表2 基于深度学习和医师CAD-RADS 分级比较Tab.2 Comparisons of CAD-RADS classification with bad on deep learning and bad on doctor 例深度学习医师CAD-RA
DS 0 82 79 CAD-RADS 1 32 35 CAD-RADS 2 31 31 CAD-RADS 3 42 40 CAD-RADS 4A 15 14 CAD-RADS 4B 11 14 CAD-RADS 5 10 10
近年来，以冠心病为主的心脏缺血性疾病是影响中老年人健康的主要疾病之一，目前已逐渐呈现出年轻化的趋势。由于冠状动脉的狭窄是冠心病的发病最主要的形态学病因，因此，早期发现病变血管的狭窄以及更为精准的定位，能为临床提供及时的治疗信息。双源CT 冠脉血管成像以其高清晰和高真性的图像质量能准确判断冠脉血管数量，重建出各分段的解剖结构，同时良好的组织对比度能增加诊断的精确度［9］。
冠心病的诊断主要依靠影像学检查，目前，公认的“金标准”是冠状动脉造影（ICA）。然而，ICA属于侵入性检查，不仅检查费用高，而且检查过程中存在并发症风险，因此，ICA 在基层医院推广相对困难［10］。随着CCTA 成像技术的革新与快速发展，其在临床心血管影像学检查中已占据了重要地位。影像学报告标准化的应用（例如肝脏LIRADS［11］，乳腺BI-RADS［12］，肺部Lung-RADS［13］，前列腺PI-RADS［14］等），推动了报告标准化及规范化的患者诊断、治疗、随访等管理指导［6］。CADRADS 标准化报告系统提示：目前该系统仅适用于疑似或已确诊为冠心病的患者的CCTA 检查，通过
标准化的报告提示CCTA 分级，提供患者有效的建议。本研究结果显示，大部分CCTA 图像（223/226）能被深度学习模型识别、用于重建、识别血管及病变并能作出分级诊断，用于指导临床工作。
