人工智能技術在頭頸部CT血管成像中的臨床應用價值分析

【摘要】目的 探究人工智能（AI）技術在頭頸部計算機斷層掃描血管成像（CTA）中的應用效果，為臨床提高診斷腦血管疾病準確性提供參考依據。方法 回顧性分析東莞市清溪醫院2023年5月至2024年5月收治的疑似腦血管病變行頭頸部CTA檢查的42例患者的臨床資料，根據CTA圖像處理方法不同將其分為兩組，人工組（采用人工處理）和AI組（采用AI處理）。比較兩組患者圖像中頸總動脈、頸內動脈及大腦中動脈的CT值、噪聲值、信噪比（SNR），以數字減影血管造影診斷結果為金標準，比較兩種圖像處理方法對頸動脈狹窄/閉塞的診斷效能。結果 與人工組比，AI組患者頸總動脈、頸內動脈、大腦中動脈的噪聲值均更低，SNR均更高（均Plt;0.05）；臨床診斷結果顯示，42例患者中有30例（71.43%）存在頸動脈狹窄/閉塞情況，而人工組中發現29例（69.05%），AI組中發現31例（73.81%）；兩組患者頸總動脈、頸內動脈、大腦中動脈的CT值及兩種圖像處理方法診斷頸動脈狹窄/閉塞的靈敏度、特異度、準確率比較，差異均無統計學意義（均Pgt;0.05）。結論 將AI技術應用于頭頸部CTA檢查，可顯著提升圖像質量，且對頸動脈狹窄/閉塞的診斷效能良好。

【關鍵詞】腦血管病變 ; 計算機斷層掃描 ; 血管成像 ; 人工智能 ; 信噪比 ; 動脈狹窄

【中圖分類號】R743 【文獻標識碼】A 【文章編號】2096-3718.2024.21.0106.03

DOI：10.3969/j.issn.2096-3718.2024.21.034

腦血管病變是引發腦血管疾病的重要原因之一，臨床常見病變類型包括動脈狹窄、血管粥樣硬化等，此類疾病的發生容易對腦組織結構與功能造成嚴重損害，存在較高的致死風險[1]。頭頸部計算機斷層掃描血管成像（CTA）是一種非創傷性血管造影術，能夠較為清晰地顯現頭頸部血管情況，進而輔助臨床判斷腦血管病變部位、血管狹窄程度等病變情況，為相關疾病的診斷與治療提供科學指導[2]。但CTA圖像通常需要經過較為復雜、繁瑣的圖像重建操作后，才能進行臨床診斷，若由人工進行圖像后處理，不僅處理速度慢，而且存在一定誤診、漏診風險，而隨著科學技術的不斷進步，人工智能（AI）技術逐漸被推廣于CTA檢查的圖像后處理工作，能夠利用深度學習、計算機視覺等AI技術輔助或代替人工完成圖像分析與疾病診斷，有效提升了CTA圖像處理速度，但對圖像質量與診斷結果是否存在影響還有待深入探究[3]?；诖耍狙芯恐荚诜治鯝I在頭頸部CTA檢查中的應用價值，現報道如下。

1 資料與方法

1.1 一般資料 回顧性分析東莞市清溪醫院2023年5月至2024年5月收治的疑似腦血管病變行頭頸部CTA檢查的42例患者的臨床資料，包括男性23例，女性19例；年齡40～70歲，平均（59.12±6.37）歲；合并高血壓7例，合并糖尿病5例，合并高血脂4例；BMI 18～26 kg/m2，平均（21.56±2.25） kg/m2。所有患者經頭頸部CTA檢查，所采集的圖像分別進行人工處理（人工組）和AI處理（AI組）。納入標準：⑴存在肢體無力、四肢發麻、反應遲鈍、頭暈、頭痛等疑似腦血管疾病相關表現；⑵臨床資料完整；⑶均已完成頭頸部CTA檢查；⑷意識清醒。排除標準：⑴對比劑過敏；⑵存在嚴重顱腦損傷；⑶存在頭頸部手術史；⑷合并肝腎功能異常。本研究經東莞市清溪醫院醫學倫理委員會審核批準。

1.2 方法

1.2.1 頭頸部CTA檢查 采用X射線計算機體層攝影設備（西門子醫療系統有限公司，國械注進20173301125，型號：SOMATOM Definition AS），檢查體位為仰臥位，去除金屬等異物，頭先進，雙手放于身體兩側，采用輔助綁帶固定頭顱；掃描層厚為0.625 mm，球管旋轉速度為0.5 s/r，螺距為1，矩陣為512×512。將感興趣區放置在主動脈弓水平，觸發CT閾值設定為80 Hu，觸發后延遲2 s掃描，掃描范圍從主動脈弓下緣至顱頂。采用雙筒高壓注射器經右側肘靜脈注入對比劑碘海醇注射液（北京北陸藥業股份有限公司，國藥準字H20031169，規格：75 mL∶22.5 g）（350 mg/mL），管電壓100 kV，自動管電流，以4.0 mL/s的速度靜脈注射碘對比劑40 mL，注射完成后使用40 mL生理鹽水沖管，選擇動脈狹窄病變最佳位置進行圖像采集。

1.2.2 圖像后處理 將采集的圖像分別進行人工處理和AI處理。人工圖像處理：將重建圖像數據上傳至西門子Syngo.via工作站重建，使用同步減影CTA技術處理數據，對減影后數據進行人工容積再現、最大密度投影成像、曲面重建等處理，并進行血管分析與動脈狹窄程度評價。AI圖像處理：將重建圖像數據上傳至北京數坤科技股份有限公司的頭頸部血管CTA圖像處理與分析軟件，由AI進行自動圖像處理，利用容積再現、最大密度投影成像、曲面重建等技術進行圖像優化與血管分割，自動完成血管分析與動脈狹窄程度評價。

1.3 觀察指標 ⑴圖像質量。經頭頸部CTA檢查測定兩組患者頸總動脈、頸內動脈及大腦中動脈的CT值、噪聲值、信噪比（SNR）水平。SNR=動脈CT值/動脈噪聲值。⑵頸動脈狹窄程度。統計兩組患者頸動脈狹窄/閉塞的評估結果。狹窄程度=[（血管狹窄遠端直徑－最小殘余直徑）/狹窄遠端直徑]×100%。血管狹窄程度分級標準[4]：閉塞：狹窄率100.00%；重度：gt;70.00%；中度：30.00%～70.00%；輕度：lt;30%；無：未出現狹窄。⑶診斷效能。以數字減影血管造影診斷結果為金標準，比較人工與AI圖像處理對頸動脈狹窄/閉塞診斷的靈敏度、特異度及準確率。靈敏度=[真陽性/（真陽性+假陰性）]×100%；特異度=[真陰性/（真陰性+假陽性）]×100%；準確率=[（真陽性+真陰性）/總例數×100%。

1.4 統計學方法 采用SPSS 23.0統計學軟件分析數據，計數資料以[例（%）]表示，采用χ2檢驗；計量資料經S-W檢驗符合正態分布且方差齊，以（ x ±s）表示，組間比較采用獨立樣本t檢驗。Plt;0.05為差異有統計學意義。

2 結果

2.1 兩組患者的圖像質量比較 與人工組比，AI組患者頸總動脈、頸內動脈、大腦中動脈的噪聲值均更低，SNR均更高，差異均有統計學意義（均Plt;0.05），兩組患者頸總動脈、頸內動脈、大腦中動脈的CT值比較，差異均無統計學意義（均Pgt;0.05），見表1。

2.2 兩組患者頸動脈狹窄/閉塞的診斷結果 臨床診斷結果顯示，42例患者中有30例（71.43%）存在頸動脈狹窄/閉塞情況，而人工組中發現29例（69.05%），AI組中發現31例（73.81%），見表2。

2.3 兩種圖像處理方法對頸動脈狹窄/閉塞的診斷效能 與人工組比，AI組患者圖像處理方法診斷頸動脈狹窄/閉塞的靈敏度、準確率更高，但兩組間靈敏度、特異度、準確率比較，差異均無統計學意義（均Pgt;0.05），見表3。

3 討論

頭頸部CTA檢查是當前臨床診斷多種腦血管疾病的常用手段之一，主要通過向患者體內注射適量碘對比劑，而后利用CT增強技術與薄層、大范圍、快速掃描技術，實現對人體組織、血管的全面掃描，并通過多種圖像后處理技術，顯示全身各部位血管細節[5]。臨床調查發現，頭頸部CTA檢查診斷疾病的靈敏度與準確性與CTA圖像質量存在密切關聯，因而采取何種圖像后處理方法能夠進一步提升CTA圖像質量受到臨床的高度重視[6]。人工CTA圖像檢查可進行噪聲去除、圖片增強、圖像平滑等操作以提高圖像質量，可使血管結構更加清晰，減少掃描過程中可能產生的偽影對診斷結果的影響，利用計算機技術識別和提取圖像中的血管，通過對血管的表面重建，得到血管的三維形態結構，有助于對血管病變進行分析，進而評估血管狹窄程度、評價血流動力學狀態；還可通過多層面重建，從不同角度觀察病灶的位置、形態和結構，提高診斷的準確性和可靠性[7]。傳統人工CTA圖像處理方法對工作人員的專業技術水平要求較高，操作流程較為復雜，圖像處理速度較為緩慢，而且很多醫院缺乏相關專業人才，導致人工圖像處理效率較低，還可能因追求速度而增加出錯風險，影響診斷結果的準確性。

?AI技術參與CTA圖像處理，可自動標注可疑病灶、多維分析檢測結果、自動生成病變情況預測結果，有效提升了圖像處理速度，并且能捕獲人工難以察覺的細微特征，提高分析結果的精確度與準確性，以減輕專業技術人員的工作負擔[8]。本研究結果顯示，與人工組比，AI組患者頸總動脈、頸內動脈、大腦中動脈的噪聲值均更低，SNR均更高，兩組患者頸總動脈、頸內動脈、大腦中動脈的CT值比較，差異均無統計學意義，這提示AI技術可減小頭頸部CTA檢查的干擾信號。分析其原因為，AI可以優化迭代重建過程，通過學習圖像中的解剖結構先驗知識，在重建過程中更準確地抑制噪聲，使動脈圖像的噪聲值降低，還可以基于深度學習的圖像增強算法自動識別動脈的結構特征，增強這些特征對應的信號強度，通過去噪算法有效抑制動脈圖像中的噪聲，進而減少噪聲對圖像質量的影響；AI圖像分割算法還可精確地將動脈從周圍組織中分離出來，避免周圍組織對動脈CT值測量的干擾，還能利用卷積神經網絡，深入分析不同質量CTA圖像間的映射關系，并由此獲取噪聲模型，將影響CTA圖像質量的干擾噪聲分離，進而發揮良好的降噪效果，促使圖像質量提升[9-10]。

臨床診斷結果顯示，42例患者中有30例（71.43%）存在頸動脈狹窄/閉塞情況，而人工組中發現29例（69.05%），AI組中發現31例（73.81%），AI組高于人工組，這提示AI技術的干預更有助于提升CTA圖像質量，提高頸動脈狹窄/閉塞的檢出率。分析原因可能是由于，AI是一種利用計算機模擬人類智能活動進行學習與推理的新興技術，能夠借助深度學習技術對圖像進行分割、優化與重建，將一個復雜的整體分為多個簡單、易分析的小塊，進而減小人工分析與診斷的難度；而且能夠模擬人腦運作機制，通過從大數據中總結得出的規律，自主分析圖像數據，進而實現對圖像結果的智能診斷[11]。本研究結果顯示，與人工組比，AI組患者圖像處理方法診斷頸動脈狹窄/閉塞的靈敏度、準確率更高，但兩組間靈敏度、特異度、準確率比較，差異均無統計學意義，這提示AI技術的應用有望改善頭頸部CTA檢查的診斷效能，可能與AI能提高CTA圖像質量有關。但可能由于本研究所選取的樣本總量較少，導致人工組與AI組的診斷效能比較未體現出顯著差異，未來有必要增加樣本量繼續展開深入研究，進一步驗證AI技術對腦血管疾病的診斷價值。

綜上，將AI技術應用于頭頸部CTA檢查，可顯著提升圖像質量，且對頸動脈狹窄的診斷效能良好，值得臨床推廣應用。

參考文獻

張偉生， 陳景南. CT與MRI對頸動脈狹窄和粥樣硬化斑塊特征的評估價值[J]. 醫學影像學雜志， 2022， 32（5）： 765-768.

楊彥兵， 阮小偉， 王澤潤， 等. 深度學習重建算法聯合低管電壓在頭頸部CT血管成像中的應用[J]. 中國醫學影像學雜志， 2024， 32（6）： 553-558.

方磊， 方慧， 夏美燕， 等. 人工智能后處理在\"雙低\"頭頸部CT血管成像中的應用[J]. 中國醫學計算機成像雜志， 2023， 29（5）： 488-492.

王小龍， 洪超， 李治群. CT血管造影與經頸動脈多普勒超聲對老年頸動脈狹窄的診斷價值[J]. 中國老年學雜志， 2023， 43（10）： 2325-2328.

TUDOR A， RADU C， TIBERIU M， et al. 3D Ultrasound reconstructions of the carotid artery and thyroid gland using artificial-intelligence-based automatic segmentation：Qualitative and quantitative evaluation of the segmentation results via comparison with CT angiography[J]. Sensors， 2023， 23（5）： 2806.

馮根義， 王剛， 李勁松， 等. 冠狀動脈CT血管成像圖像人工智能輔助診斷用于急性冠狀動脈綜合征患者評估的準確性和臨床價值[J]. 實用放射學雜志， 2024， 40（7）： 1079-1082.

王珍， 邱曉明， 葉宇. 人工智能技術在頭頸部CT血管成像中的臨床應用價值[J]. 臨床放射學雜志， 2022， 41（11）： 2025-2030.

王雪燕， 曹云太， 韓千程， 等. 人工智能診斷系統及CT無創血流儲備分數在評估高海拔地區冠脈臨界病變中的應用[J]. 分子影像學雜志， 2024， 47（6）： 616-621.

鄒清藝， 古展亮， 周婷， 等. 256排CT減影技術與人工智能技術在顱內動脈瘤中的價值對比[J]. 中國CT和MRI雜志， 2023， 21（10）： 39-41.

孫青， 李耀鋒， 楊偉兵， 等. 動脈CT血管成像診斷頭頸部血管疾病的價值[J]. 檢驗醫學與臨床， 2022， 19（13）： 1795-1798.

何付權， 李亞飛， 楊嘉， 等. 人工智能輔助冠脈CTA“雙低”成像診斷冠狀動脈病變的可行性研究[J]. 中國醫學創新， 2024， 21（13）： 130-134.