人工智能冠狀動(dòng)脈CTA自動(dòng)后處理系統(tǒng)對(duì)冠心病的診斷價(jià)值

摘要""目的：分析人工智能、冠狀動(dòng)脈計(jì)算機(jī)斷層掃描血管造影（CTA）自動(dòng)后處理系統(tǒng)對(duì)冠心病的診斷價(jià)值。方法：選取2020年2月—2021年7月我院收治的124例疑似冠心病病人，均符合數(shù)字減影血管造影（DSA）檢查指征。以DSA檢查結(jié)果為“金標(biāo)準(zhǔn)”，分析人工智能冠狀動(dòng)脈CTA自動(dòng)后處理系統(tǒng)診斷冠心病的價(jià)值。結(jié)果：人工智能組（AI組）和人工組圖像重建成功率比較，差異無統(tǒng)計(jì)學(xué)意義（P＞0.05）；AI組圖像后處理所用時(shí)間短于人工組，差異有統(tǒng)計(jì)學(xué)意義（P＜0.001）。AI組與人工組冠狀動(dòng)脈各主要分支圖像質(zhì)量評(píng)分比較，差異均無統(tǒng)計(jì)學(xué)意義（P＞0.05）。AI組與人工組斑塊成分評(píng)估比較，差異無統(tǒng)計(jì)學(xué)意義（χ²=0.106，P=0.948）。AI組和人工組診斷冠狀動(dòng)脈中度及以上狹窄與“金標(biāo)準(zhǔn)”一致性高（Kappa值分別為0.905，0.958，P＜0.001）。AI組和人工組診斷冠狀動(dòng)脈中度及以上狹窄的敏感度、特異度、準(zhǔn)確度、陽性預(yù)測(cè)值、陰性預(yù)測(cè)值及診斷冠心病準(zhǔn)確率比較，差異無統(tǒng)計(jì)學(xué)意義（P＞0.05）。結(jié)論：人工智能冠狀動(dòng)脈CTA自動(dòng)后處理系統(tǒng)在冠心病診斷中有良好的應(yīng)用價(jià)值，相較于人工處理效率更高。

關(guān)鍵詞""冠心?。蝗斯ぶ悄?；冠狀動(dòng)脈；計(jì)算機(jī)斷層掃描血管造影；數(shù)字減影血管造影

doi：10.12102/j.issn.1672-1349.2025.06.016

冠心病指動(dòng)脈管腔狹窄造成的心肌缺氧、缺血或部分壞死引起的一種器質(zhì)性心臟病^［1］。隨著生活質(zhì)量的提高，我國(guó)冠心病患病率不斷上升，且年齡趨于年輕化^［2］。冠心病以胸痛為主要臨床表現(xiàn)，若不及時(shí)診治，可增加冠狀動(dòng)脈狹窄程度，易引起心肌梗死、心絞痛、栓塞等并發(fā)癥^［3］，嚴(yán)重威脅病人生命安全。目前，診斷冠心病以數(shù)字減影血管造影術(shù)（DSA）為“金標(biāo)準(zhǔn)”，但其檢查有創(chuàng)、費(fèi)用高昂，且易引起股動(dòng)脈血腫及動(dòng)脈痙攣等并發(fā)癥^［4］。近年來，冠狀動(dòng)脈計(jì)算機(jī)斷層掃描血管造影（CTA）作為一種高效、低價(jià)、易操作的無創(chuàng)檢查法廣泛應(yīng)用于臨床^［5］，但CTA檢查主要依靠醫(yī)師人工操作處理分析結(jié)果，存在工作量大、處理效率低下、主觀誤差等不足^［6］。隨著人工智能快速發(fā)展，醫(yī)學(xué)領(lǐng)域相繼出現(xiàn)CTA聯(lián)合人工智能的診斷模式。相關(guān)研究顯示，CTA搭載基于深度機(jī)器學(xué)習(xí)的血流儲(chǔ)備分?jǐn)?shù)能有效識(shí)別特異性缺血；CTA搭載人工智能檢測(cè)大血管閉塞、分析冠狀動(dòng)脈周圍脂肪組織及心臟病診斷中有重要作用^［7-9］。鑒于此，本研究采用人工智能冠狀動(dòng)脈CTA自動(dòng)后處理系統(tǒng)，分析其對(duì)冠心病的診斷價(jià)值，旨在為冠心病的臨床診斷選擇安全、快速、有效的檢查方式。

1 資料與方法

1.1 一般資料

選取2020年2月—2021年7月我院收治的124例疑似冠心病病人，其中男76例，女48例；年齡32～90（60.29±11.05）歲。本研究經(jīng)醫(yī)院倫理委員會(huì)審批通過（倫理號(hào)2023KT274）。

納入標(biāo)準(zhǔn)：年齡30～90歲；臨床表現(xiàn)與冠心病相符，且經(jīng)心電圖或動(dòng)態(tài)心電圖檢查疑似冠心病；身體狀況可配合CTA和DSA檢查；診治資料明確；無意識(shí)障礙，可配合完成研究；病人及其家屬均知情并簽署同意書。

排除標(biāo)準(zhǔn)：對(duì)研究所用試劑過敏；凝血功能障礙；處于妊娠或哺乳期；其他器官及系統(tǒng)的嚴(yán)重病癥；既往有藥物或手術(shù)治療心臟疾病史；存在嚴(yán)重的心律不齊、心功能不全等其他心臟疾病；甲狀腺功能異常；冠狀動(dòng)脈鈣化嚴(yán)重致使圖像無法評(píng)價(jià)。

1.2 方法

1.2.1 CTA檢查

采用美國(guó)General Electric公司的GE Revolution 256層多排螺旋CT機(jī)進(jìn)行掃描，受檢者仰臥于檢查床，連接心電監(jiān)護(hù)，于右肘靜脈經(jīng)雙筒高壓注射器注射非離子造影劑（碘克沙醇320 mg I/mL）60 mL，并以相同速率使用30 mL生理鹽水沖管。掃描需進(jìn)行呼吸訓(xùn)練，自由心率下盡量確保病人心率50～65次/min，對(duì)靜息心率較大者輔以減慢心率藥物或心理疏導(dǎo)，使心率盡量控制在65次/min以下。采用回顧性心電門控及對(duì)比劑跟蹤檢查，將升主動(dòng)脈設(shè)為觸發(fā)層，將升主動(dòng)脈腔設(shè)為觸發(fā)興趣區(qū)，閾值為120 Hu，掃描范圍為氣管隆突到心臟膈面下1 cm，在1次屏息中完成全部掃描。以300～550 ms為基礎(chǔ)使用自動(dòng)毫安秒技術(shù)，管電壓100 kV，層厚0.625 mm，管球轉(zhuǎn)率每周0.28 s，矩陣512×512^［10］。將原始圖像序列傳入服務(wù)器，分別用人工和人工智能冠狀動(dòng)脈CTA自動(dòng)后處理分析系統(tǒng)進(jìn)行圖像處理分析，設(shè)置為人工組和人工智能組（AI組）。

1.2.2 人工圖像后處理

由2名專業(yè)影像科醫(yī)師完成圖像后處理工作，采用Siemens公司的Syngo.via工作站進(jìn)行容積再現(xiàn)（VR）、拉直（CPR）、多平面重建（MPR）等重建圖像，測(cè)量圖像中冠狀動(dòng)脈狹窄部位斑塊CT值，每個(gè)斑塊測(cè)量3次，取平均值。根據(jù)CT值將斑塊分為鈣化斑塊（CT值≥130 HU）、非鈣化斑塊（CT值＜130 HU）和混合斑塊（上述兩種斑塊成分的混合），并出具相關(guān)診斷報(bào)告。

1.2.3 人工智能冠狀動(dòng)脈CTA自動(dòng)后處理系統(tǒng)

后處理平臺(tái)采用Siemens公司的Syngo.via工作站與AngeIInstaller輔助診斷平臺(tái)，基于深度學(xué)習(xí)和圖像識(shí)別技術(shù)，對(duì)原始數(shù)據(jù)采用標(biāo)示、分割、量化等方法自動(dòng)處理圖像。系統(tǒng)主要分為數(shù)據(jù)抓取、血管分割、中心線提取、血管分段、圖像處理及人機(jī)交互等模塊。主要流程：1）系統(tǒng)從服務(wù)器中獲取特定格式的原始圖像，并將獲取的原始圖像按照一定比例轉(zhuǎn)換為序列圖片；2）通過系統(tǒng)預(yù)設(shè)的圖像模型將序列圖片分割，得到冠狀動(dòng)脈及分支血管的全圖分割結(jié)果，提取血管前景像素，確定血管對(duì)應(yīng)位置，進(jìn)一步細(xì)化血管進(jìn)行分割，獲得完整的心臟冠狀動(dòng)脈分割結(jié)果；3）對(duì)冠狀動(dòng)脈分割結(jié)果進(jìn)行切片提取，標(biāo)記各切片區(qū)塊中心線的置信點(diǎn)，對(duì)標(biāo)記好的置信點(diǎn)簇進(jìn)行平滑處理得到初步中心線，對(duì)初步中心線匹配分割結(jié)果進(jìn)行校正，輸出準(zhǔn)確的中心線；4）對(duì)輸出的血管中心線進(jìn)行分段處理，并對(duì)各分段血管命名；5）根據(jù)原始圖像序列及血管中心線通過VR、CPR、MPR等生成醫(yī)學(xué)圖像，典型圖像處理見圖1～圖3；6）得到圖像后處理及狹窄程度、斑塊成分等相關(guān)診斷結(jié)果。

1.2.4 DSA檢查

CTA檢查完成2周內(nèi)實(shí)施DSA檢查，采用Philips公司的Allura Xper FD20造影儀，病人取平臥位，局部麻醉后用Seldinger技術(shù)進(jìn)行右股動(dòng)脈或右側(cè)橈動(dòng)脈穿刺插管，雙側(cè)冠狀動(dòng)脈造影^［11］。采集雙側(cè)冠狀動(dòng)脈不同體位多角度圖像，選擇充盈效果最好的圖像進(jìn)行分析。

1.2.5 圖像分析

圖像質(zhì)量由2名專業(yè)醫(yī)師盲審，對(duì)圖像及各項(xiàng)診斷結(jié)果全面分析，存在分歧時(shí)，需通過探討、協(xié)商得到一致性結(jié)論。依據(jù)美國(guó)心臟病協(xié)會(huì)推薦的15節(jié)分段法^［12］將冠狀動(dòng)脈樹分為15個(gè)節(jié)段，并采用Likert 4分制評(píng)分法評(píng)定兩組圖像的左冠狀動(dòng)脈主干（LM）、后降支（PDA）、前降支（LAD）、左回旋支（LCX）、右冠狀動(dòng)脈（RCA）、對(duì)角支（D）、鈍緣支（OM）、銳緣支（AM）。其中，4分表示圖像質(zhì)量?jī)?yōu)良，無偽影，血管邊界清晰；3分表示圖像質(zhì)量較好，未見明顯的偽影，血管邊界略有模糊；2分表示圖像質(zhì)量一般，有中度偽影，血管邊界模糊明顯；1分表示圖像質(zhì)量較差，偽影明顯，血管顯示不清或血管中斷。其中管腔直徑≤1.5 mm的冠狀動(dòng)脈血管節(jié)段及圖像1分的血管不納入分析。

1.2.6 冠心病判定

冠狀動(dòng)脈狹窄程度（%）＝（狹窄段近心端正常血管直徑－狹窄段最狹窄處直徑）/狹窄段近心端正常血管直徑×100%。根據(jù)冠狀動(dòng)脈狹窄程度分級(jí)^［13］，冠狀動(dòng)脈狹窄＜50%為輕度，冠狀動(dòng)脈狹窄50%～＜75%為中度，冠狀動(dòng)脈狹窄75%～＜100%為重度，冠狀動(dòng)脈狹窄100%為血管閉塞；其中狹窄程度≥50%為冠心病。

1.3 統(tǒng)計(jì)學(xué)處理

采用SPSS 26.0統(tǒng)計(jì)軟件進(jìn)行數(shù)據(jù)分析。符合正態(tài)分布和方差齊性的定量資料以均數(shù)±標(biāo)準(zhǔn)差（x±s）表示，采用t檢驗(yàn)；定性資料以例數(shù)、百分比（%）表示，采用χ²檢驗(yàn)，若任一理論頻數(shù)（T）＜5需對(duì)檢驗(yàn)結(jié)果進(jìn)行校正。采用Kappa檢驗(yàn)進(jìn)行一致性檢驗(yàn)。以P＜0.05為差異有統(tǒng)計(jì)意義。

2 結(jié)果

2.1 病人一般資料（見表1）

2.2 人工組和AI組圖像后處理結(jié)果及所用時(shí)間比較

AI組和人工組圖像重建成功率比較，差異無統(tǒng)計(jì)學(xué)意義（P＞0.05）；AI組圖像后處理所用時(shí)間短于人工組，差異有統(tǒng)計(jì)學(xué)意義（P＜0.001）。詳見表2。

2.3 人工組和AI組獲得圖像質(zhì)量比較

AI組與人工組冠狀動(dòng)脈各主要分支圖像質(zhì)量評(píng)分比較，差異均無統(tǒng)計(jì)學(xué)意義（P＞0.05）。詳見表3。

2.4 人工組和AI組斑塊成分評(píng)估比較

AI組診斷鈣化斑塊422處，非鈣化斑塊230處，混合斑塊137處；人工組診斷鈣化斑塊427處，非鈣化斑塊226處，混合斑塊141處。兩組斑塊成分評(píng)估比較，差異無統(tǒng)計(jì)學(xué)意義（χ²＝0.106，P＝0.948）。

2.5 人工組和AI組診斷冠心病的臨床價(jià)值分析

124例疑似冠心病的受檢者檢出冠狀動(dòng)脈節(jié)段理論數(shù)值為1 860個(gè)，實(shí)際檢出1 773個(gè)（95.32%），其中滿足進(jìn)一步分析要求的冠狀動(dòng)脈節(jié)段1 726個(gè)（97.35%）。1 726個(gè)冠狀動(dòng)脈節(jié)段中DSA診斷狹窄程度≥50%的節(jié)段共449個(gè)，狹窄程度＜50%的節(jié)段共1 277個(gè)，124例受檢者均伴有中度及以上狹窄，診斷為冠心病。其中AI組診斷狹窄程度≥50%的節(jié)段共432個(gè)，狹窄程度＜50%的節(jié)段共1 294個(gè)，124例受檢者中有120例伴有中度以上狹窄，診斷為冠心??；人工組診斷狹窄程度≥50%的節(jié)段共434個(gè)，狹窄程度＜50%的節(jié)段共1 292個(gè)，124例受檢者中有122例伴有中度以上狹窄，診斷為冠心病。經(jīng)Kappa一致性檢驗(yàn)發(fā)現(xiàn)，AI組和人工組診斷冠狀動(dòng)脈中度及以上狹窄與“金標(biāo)準(zhǔn)”一致性高（Kappa值分別為0.905，0.958，P＜0.001）。詳見表4。AI組和人工組診斷冠狀動(dòng)脈中度及以上狹窄的敏感度、特異度、準(zhǔn)確度、陽性預(yù)測(cè)值、陰性預(yù)測(cè)值及診斷冠心病準(zhǔn)確率比較，差異無統(tǒng)計(jì)學(xué)意義（P＞0.05）。詳見表5。

3 討論

冠心病屬于臨床常見的心血管疾病，可引起胸悶、胸痛、乏力、呼吸困難等^［14］，嚴(yán)重威脅病人生命安全。因此，對(duì)疑似冠心病病人給予及時(shí)診治，可提高生活質(zhì)量和存活率。DSA檢查可清晰呈現(xiàn)病人冠狀動(dòng)脈主干及相應(yīng)分支的具體情況^［15］，但檢查有創(chuàng)且應(yīng)用風(fēng)險(xiǎn)較高等，臨床應(yīng)用受限。近年來，冠心病診斷方法多樣，其中冠狀動(dòng)脈CTA因綜合效果甚佳被廣泛應(yīng)用，加之人工智能在影像學(xué)中的研究逐漸增加，使冠狀動(dòng)脈CTA搭載人工智能分析系統(tǒng)的診斷模式逐漸應(yīng)用于臨床^［16］。

冠狀動(dòng)脈CTA是臨床診斷冠心病的無創(chuàng)檢查方法，通過對(duì)心臟部位進(jìn)行連續(xù)多層CT掃描，應(yīng)用計(jì)算機(jī)技術(shù)重建冠狀動(dòng)脈，清晰呈現(xiàn)冠狀動(dòng)脈病變情況，為明確病人冠心病病情及后續(xù)治療方案的制定提供影像學(xué)依據(jù)^［17］。已有研究表明，CTA對(duì)冠心病及其他不良事件均有良好的診斷價(jià)值^［18-20］。冠狀動(dòng)脈CTA具有無創(chuàng)、檢查速度快、操作簡(jiǎn)單等優(yōu)點(diǎn)，已廣泛應(yīng)用于臨床^［21］，但該檢查如何高效、準(zhǔn)確地處理圖像是目前臨床亟須解決的一大難題，而人工智能自動(dòng)后處理系統(tǒng)可實(shí)現(xiàn)人工智能自動(dòng)操作并得出相應(yīng)結(jié)果，且結(jié)果準(zhǔn)確性較高。Molenaar等^［22］研究顯示，人工智能后處理分析系統(tǒng)在冠狀動(dòng)脈血流幀數(shù)選擇、血管分割及病變?cè)u(píng)估中表現(xiàn)良好。本研究結(jié)果顯示，AI組和人工組對(duì)斑塊成分評(píng)估比較差異無統(tǒng)計(jì)學(xué)意義，兩組診斷冠狀動(dòng)脈狹窄與“金標(biāo)準(zhǔn)”的一致性高，診斷冠狀動(dòng)脈中度及以上狹窄的敏感度、特異度、準(zhǔn)確度、陽性預(yù)測(cè)值、陰性預(yù)測(cè)值及診斷冠心病的準(zhǔn)確率比較差異無統(tǒng)計(jì)學(xué)意義，提示人工智能冠狀動(dòng)脈CTA自動(dòng)后處理系統(tǒng)對(duì)冠心病有良好的診斷價(jià)值。Griffin等^［23］研究結(jié)果顯示，人工智能評(píng)價(jià)冠狀動(dòng)脈CTA狹窄與“金標(biāo)準(zhǔn)”一致性高。人工智能自動(dòng)后處理系統(tǒng)所得圖像能較好顯示冠狀動(dòng)脈血管形態(tài)特征，圖像選取角度精確，可清晰顯示冠狀動(dòng)脈病變處和狹窄程度^［24］。Wardziak等^［25］研究表明，采用基于CTA的FFR程序分析處理冠狀動(dòng)脈CTA可提高診斷價(jià)值。本研究結(jié)果顯示，AI組圖像后處理時(shí)間少于人工組，且兩組圖像重建成功率和冠狀動(dòng)脈各主要分支圖像質(zhì)量評(píng)分比較差異無統(tǒng)計(jì)學(xué)意義，提示人工智能冠狀動(dòng)脈CTA自動(dòng)后處理系統(tǒng)對(duì)圖像處理的效率更高，且未降低圖像質(zhì)量。Lin等^［26］研究結(jié)果顯示，人工智能可提高心血管成像效率。應(yīng)用人工智能冠狀動(dòng)脈CTA自動(dòng)后處理系統(tǒng)，冠狀動(dòng)脈CTA影像傳輸?shù)焦ぷ髡竞螅到y(tǒng)自動(dòng)生成各種后處理圖像交由醫(yī)師確認(rèn)，免去醫(yī)師在工作站人工操作，建議臨床將人工智能冠狀動(dòng)脈CTA自動(dòng)后處理系統(tǒng)應(yīng)用于冠心病診斷中，以減輕醫(yī)生的工作量，提高診斷效率。

綜上所述，將人工智能自動(dòng)后處理分析系統(tǒng)應(yīng)用到對(duì)冠狀動(dòng)脈CTA圖像分析中，與“金標(biāo)準(zhǔn)”和傳統(tǒng)人工后處理比較，其對(duì)冠心病的診斷價(jià)值良好且處理圖像用時(shí)短、圖像質(zhì)量較好，臨床可推廣使用以提高冠心病的診斷效率。本研究存在一定的局限性：所選樣本均確診為冠心病，代表性有限，不能較好地反映疑似者整體情況，故在今后的研究中應(yīng)擴(kuò)大樣本量的選擇，使研究更具代表性。

參考文獻(xiàn)：

［1］ WONGTRAKUL W，CHAROENNGAM N，UNGPRASERT P.Tuberculosis and risk of coronary heart disease：a systematic review and meta-analysis［J］.Indian Journal of Tuberculosis，2020，67（2）：182-188.

［2］ MESSERLI F H.Ephemeral coronary heart disease［J］.European Heart Journal，2019，40（24）：1906-1908.

［3］ KANDAN S R，JOHNSON T W.Management of percutaneous coronary intervention complications［J］.Heart，2019，105（1）：75-86.

［4］ WANG L F，HE X F.The relationship between the carotid and coronary artery stenosis：a study based on angiography［J］.Neurological Research，2019，41（8）：722-727.

［5］ ANDREINI D，MAGNONI M，CONTE E，et al.Coronary plaque features on CTA can identify patients at increased risk of cardiovascular events［J］.JACC Cardiovascular Imaging，2020，13（8）：1704-1717.

［6］ CHATURVEDI A，OPPENHEIMER D，RAJIAH P，et al.Contrast opacification on thoracic CT angiography：challenges and solutions［J］.Insights into Imaging，2017，8（1）：127-140.

［7］ VON KNEBEL DOEBERITZ P L，DE CECCO C N，SCHOEPF U J，et al.Coronary CT angiography-derived plaque quantification with artificial intelligence CT fractional flow reserve for the identification of lesion-specific ischemia［J］.European Radiology，2019，29（5）：2378-2387.

［8］ OSPEL J M，GOYAL M.Artificial intelligence and multiphase CT angiography for detection of large vessel occlusions：a powerful combination［J］.Radiology，2020，297（3）：650-651.

［9］ OIKONOMOU E K，WILLIAMS M C，KOTANIDIS C P，et al.A novel machine learning-derived radiotranscriptomic signature of perivascular fat improves cardiac risk prediction using coronary CT angiography［J］.European Heart Journal，2019，40（43）：3529-3543.

［10］ OPOLSKI M P.Cardiac computed tomography for planning revascularization procedures［J］.Journal of Thoracic Imaging，2018，33（1）：35-54.

［11］ 石瑜，孫建紅，張嫻，等.冠狀動(dòng)脈DSA檢查技術(shù)的影像質(zhì)量控制探討［J］.中國(guó)輻射衛(wèi)生，2012，21（2）：221-222.

［12］ BUDOFF M J，ACHENBACH S，BLUMENTHAL R S，et al.Assessment of coronary artery disease by cardiac computed tomography：a scientific statement from the American Heart Association committee on cardiovascular imaging and intervention，council on cardiovascular radiology and intervention，and committee on cardiac imaging，council on clinical cardiology［J］.Circulation，2006，114（16）：1761-1791.

［13］ CURY R C，ABBARA S，ACHENBACH S，et al.CAD-RADSTM Coronary Artery Disease-Reporting and Data System.An expert consensus document of the Society of Cardiovascular Computed Tomography（SCCT），the American College of Radiology（ACR）"and the North American Society for Cardiovascular Imaging（NASCI）.Endorsed by the American College of Cardiology［J］.Journal of Cardiovascular Computed Tomography，2016，10（4）：269-281.

［14］ STEWART R A H，HELD C，KRUG-GOURLEY S，et al.Cardiovascular and lifestyle risk factors and cognitive function in patients with stable coronary heart disease［J］.Journal of the American Heart Association，2019，8（7）：e010641.

［15］ SEO J，KIM G S，LEE H Y，et al.Prevalence and clinical outcomes of asymptomatic carotid artery stenosis in patients undergoing concurrent coronary and carotid angiography［J］.Yonsei Medical Journal，2019，60（6）：542-546.

［16］ 張海濤，黃叢春，孫津津，等.基于人工智能技術(shù)獲得的無創(chuàng)血流儲(chǔ)備分?jǐn)?shù)診斷心肌缺血的初步探索［J］.中國(guó)介入心臟病學(xué)雜志，2019，27（7）：361-367.

［17］ ACHENBACH S.Imaging the vulnerable plaque on coronary CTA［J］.JACC Cardiovascular Imaging，2020，13（6）：1418-1421.

［18］ 龐智英，楊飛，蘇亞英，等.冠狀動(dòng)脈CT血管成像聯(lián)合基于CT的血流儲(chǔ)備分?jǐn)?shù)預(yù)測(cè)阻塞性冠心病主要不良心臟事件的價(jià)值［J］.實(shí)用醫(yī)學(xué)雜志，2021，37（20）：2675-2680.

［19］ LI W，QI L，GUO Y L，et al.Application value of CTA in the computer-aided diagnosis of subarachnoid hemorrhage of different origins［J］.Journal of Healthcare Engineering，2021，2021：6638610.

［20］ 張小勇，崔學(xué)龍，曾憲春，等.第三代雙源CT低管電壓聯(lián)合低濃度等滲對(duì)比劑在頭頸心CTA一站式成像中的應(yīng)用［J］.實(shí)用醫(yī)學(xué)雜志，2020，36（13）：1813-1817.

［21］ BOYD C，BROWN G，KLEINIG T，et al.Machine learning quantitation of cardiovascular and cerebrovascular disease：a systematic review of clinical applications［J］.Diagnostics，2021，11（3）：551.

［22］ MOLENAAR M A，SELDER J L，NICOLAS J，et al.Current state and future perspectives of artificial intelligence for automated coronary angiography imaging analysis in patients with ischemic heart disease［J］.Current Cardiology Reports，2022，24（4）：365-376.

［23］ GRIFFIN W F，CHOI A D，RIESS J S，et al.AI evaluation of stenosis on coronary CTA，comparison with quantitative coronary angiography and fractional flow reserve：a CREDENCE trial substudy［J］.JACC Cardiovascular Imaging，2023，16（2）：193-205.

［24］ 暴云鋒，蔡萌，趙明娟，等.冠狀動(dòng)脈CT血管成像人工與人工智能后處理工作效率和圖像質(zhì)量的對(duì)比［J］.實(shí)用放射學(xué)雜志，2020，36（8）：1322-1325.

［25］ WARDZIAK ?，KRUK M，PLEBAN W，et al.Coronary CTA enhanced with CTA based FFR analysis provides higher diagnostic value than invasive coronary angiography in patients with intermediate coronary stenosis［J］.Journal of Cardiovascular Computed Tomography，2019，13（1）：62-67.

［26］ LIN A，KOLOSSVáRY M，I?GUM I，et al.Artificial intelligence：improving the efficiency of cardiovascular imaging［J］.Expert Review of Medical Devices，2020，17（6）：565-577.

（收稿日期：2023-07-14）

（本文編輯"薛妮）