心肌缺血与深度学习框架CCTA特征的相关性研究

摘要

目的 使用基于深度神经网络的冠状动脉CT血管造影（Coronary CT angiography, CCTA）成像技术分析冠脉狭窄、斑块及CT血管成像的血流储备分数（CT fractional flow reserve, CT-FFR）,探讨其评估心肌缺血的价值。方法 选择本院2021年10月至2023年3月同时行心脏造影（X-ray angiography, XA）及CCTA检查的190例疑似冠心病患者，以XA为金标准分为心肌缺血组和非心肌缺血组，各95例血管。应用人工智能（Artificial intelligence, AI）辅助软件分析指标，比较两组间差异、评估其诊断效能及相关性。结果 两组间冠脉狭窄指标、斑块长度（PL）、斑块体积（PV）、最小管腔面积（MLA）、最小管腔直径狭窄程度（MLD%）、管腔、斑块、脂质及纤维脂质面积、正性重构、低衰减斑块、餐巾环征及易损斑块含量差异均具有统计学意义。冠脉狭窄、CT-FFR及易损斑块可提高心肌缺血的诊断效能。CCTA管腔狭窄程度定性方面，医师借助AI软件诊断心肌缺血与XA诊断心肌缺血的一致性佳（Kappa=0.853,P<0.001）。XA管腔狭窄程度与CT-FFR呈显著负相关（r_s=-0.52）,与MLD%max、LS及PL呈正相关（r_s=0.46,r_s=0.42,r_s=0.21）,差异均具有统计学意义。结论 基于深度学习框架下的CCTA诊断冠心病心肌缺血的价值良好，CCTA管腔狭窄程度与XA诊断心肌缺血的一致性好，心肌缺血与CCTA管腔狭窄、斑块及CT-FFR的相关性显著。

关键词

冠心病 / 心肌缺血 / 深度学习 / 易损斑块 / CT-FFR / CCTA