临床放射学杂志

作者：杨友常, 殷若涵, 汤晓强, 段绍峰, 张铭, 潘昌杰

单位：116044 大连医科大学杨友常;213161 常州,南京医科大学附属常州第二人民医院殷若涵、汤晓强、张 铭、潘昌杰;210000 南京,GE医疗公司段绍峰

关键词：冠状动脉粥样硬化,冠状动脉CT血管造影,心肌缺血,纹理特征

<b>目的</b> 探讨冠状动脉CT血管造影(CCTA)结合机器学习算法评估冠状动脉粥样硬化患者心肌缺血的可行性。<b>方法</b> 回顾性分析78例于2017年8月至2022年4月期间在南京医科大学附属常州第二人民医院临床诊断为冠心病患者的CCTA图像,根据血流储备分数(FFR)的结果,将患者分为正常心肌供应组(41例,FFR&gt;0.8)和心肌缺血组(37例,FFR≤0.8)。利用CQK(GE Healthcare,China)软件自动分割心肌,通过人工智能整体解决方案的应用平台(Artificial Intelligent Kit;A.K.)提取心肌纹理特征,采用最大相关最小冗余(MRMR)方法进行降维,之后采用径向基函数为卷积核的支持向量机(svmRadial)构建了预测模型。在测试集中验证该模型的诊断有效性。<b>结果</b> 从78例患者的CCTA图像中,一共提取了322个特征。经降维处理后筛选,保留了10个纹理特征进而构建了一个预测模型,预测模型的敏感度、特异度和准确率分别为75.7%、98.1%和85.5%。最后,外部验证结果显示该模型的敏感度、特异度和准确率分别为73.3%、76.5%和75.0%。<b>结论</b> CCTA结合机器学习算法构建的模型有助于预测心肌缺血,具有成为非侵入性诊断心肌缺血方法的潜力。

来源：2023年第2期

《临床放射学》期刊编辑部

查看临床放射学杂志2023年第2期