基于 DSA 标注的冠脉 p-Graph：从心脏 CTA 实现冠状动脉狭窄自动分类与定位的创新突破

时间：2025年5月9日

来源：Computerized Medical Imaging and Graphics

编辑推荐：

为解决冠状动脉 CT 血管造影（CCTA）图像分析依赖人工、易受钙化斑块影响等问题，研究人员开展冠状动脉狭窄自动检测研究。提出 Coronary p-Graph 框架，其诊断性能与侵入性 DSA 相当，有望减少侵入性操作。

冠状动脉疾病（Coronary Artery Disease，CAD）作为全球范围内导致死亡和残疾的主要原因之一，严重威胁着人们的健康。冠状动脉狭窄（Coronary Artery Stenosis），即冠状动脉因斑块堆积而变窄，是 CAD 的重要诱因。精准诊断冠状动脉狭窄的程度并确定其位置，对于制定有效的治疗方案、改善患者预后至关重要。

传统上，数字减影血管造影（Digital Subtraction Angiography，DSA）凭借其出色的空间分辨率和实时成像能力，一直是诊断冠状动脉狭窄的金标准。然而，DSA 属于侵入性检查，不仅费用高昂，还存在一定风险，患者在检查过程中需要承受痛苦，这使得寻找替代的非侵入性诊断方法迫在眉睫。

冠状动脉 CT 血管造影（Coronary Computed Tomography Angiography，CCTA）应运而生，它具有操作便捷、检查风险低、诊断灵敏度高等优点，成为评估冠状动脉狭窄颇具前景的非侵入性手段。但 CCTA 也存在明显缺陷，钙化斑块的存在会干扰成像结果，容易导致对狭窄程度的高估；而且，CCTA 图像的分析高度依赖人工判读，不仅耗费人力，在面对复杂钙化情况时，不同医生的解读结果还可能存在差异，难以保证诊断的准确性和一致性。因此，开发一种能在 CCTA 图像中自动、精准地对冠状动脉狭窄进行分类和定位的方法，成为医学领域亟待解决的难题。

为攻克这一难题，来自中国东部战区总医院的研究人员展开了深入研究。他们提出了一种全新的框架 —— 冠状动脉基于提议的图卷积网络（Coronary Proposal-based Graph Convolutional Networks，Coronary p-Graph）。通过这一框架，研究人员实现了从 CCTA 扫描中自动检测冠状动脉狭窄，其诊断性能与侵入性的 DSA 相当，这意味着在仅依靠非侵入性 CCTA 扫描的情况下，医生也能更准确地进行诊断，减少不必要的侵入性检查，为患者减轻痛苦和经济负担，对临床诊断具有重要意义。该研究成果发表在《Computerized Medical Imaging and Graphics》杂志上。

研究人员在这项研究中运用了多种关键技术方法。首先，利用 ResNet-50 卷积神经网络（Convolutional Neural Network，CNN）和注意力机制从整个血管中提取特征。接着，根据预先设定的标准生成与狭窄相关的候选区域（提议）。最后，借助图卷积网络（Graph Convolutional Network，GCN）对构建的图数据进行处理，实现对狭窄区域的精准分类和定位。研究使用的数据集来自中国东部战区总医院的 259 例患者，包含 CCTA 扫描数据及对应的 DSA 报告。

实验设计

研究人员收集了 259 名患者的 CCTA 扫描和相应 DSA 报告，数据集涵盖 608 条血管和 409 个手动标记的动脉段，其中 204 个为非严重狭窄段，205 个为严重狭窄段，200 个与左冠状动脉相关。通过这样的样本队列，为后续研究提供了丰富的数据基础。

研究结果

特征提取与提议生成：利用 ResNet-50 和注意力机制，从 CCTA 数据转换而来的曲线多平面重组（Curved Multi-Planar Reformation，CMPR）图像中有效提取了血管特征。依据先验知识设定的标准，生成了代表狭窄候选区域的 “提议”，这些 “提议” 成为后续分析的关键节点。
图卷积网络分析：将 “提议” 作为图节点，以节点间的空间关系为边构建图结构，再通过 GCN 进行处理。这种方式能够充分捕捉狭窄分类和定位所需的空间依赖关系，有效整合了局部（片段级）和全局（血管级）信息。
诊断性能评估：在回顾性数据集上的定量分析显示，该方法在诊断冠状动脉狭窄方面表现卓越。其准确率达到 0.844，特异性为 0.910，受试者工作特征曲线下面积（Area Under the Receiver Operating Characteristic Curve，AUC）为 0.74 ，平均绝对误差（Mean Absolute Error，MAE）为 0.157 ，各项指标均优于现有方法。

研究结论与讨论

本研究成功引入 Coronary p-Graph 模型，该模型创新性地将基于提议的图结构与基于 DSA 的标注策略相结合，实现了冠状动脉狭窄的准确识别和定位。与传统的基于分割和 CMPR 的技术相比，Coronary p-Graph 模型有效克服了钙化斑块干扰、信息利用不充分等问题。在仅依靠非侵入性 CCTA 扫描的情况下，该方法能助力临床医生更精准地诊断，避免钙化斑块带来的误诊，为临床决策提供有力支持。这一研究成果不仅填补了现有方法的不足，还为冠状动脉狭窄的评估提供了一种准确且实用的工具，有望在临床实践中得到广泛应用，推动心血管疾病诊断技术的进步，改善患者的诊疗体验和预后。