賈亞男，趙鵬飛，李若平，李育威，張今堯，許曉陽，朱海峰*

(1.民航總醫(yī)院放射科，北京 100123；2.深圳科亞醫(yī)療科技有限公司，廣東 深圳 518100)

冠狀動脈走行于心肌表面，其末端分支進(jìn)入心肌，輸送氧氣和營養(yǎng)。異常情況下，血管走行于心肌內(nèi)部，在心臟收縮期受心肌壓迫而引起心肌缺血，此時覆蓋在血管表面的心肌稱為心肌橋。冠狀動脈左前降支(left anterior descending branch, LAD)走行其中的心肌纖維是心室心肌的直接延伸，易在收縮期壓迫LAD致其狹窄[1-2]。檢出心肌橋并準(zhǔn)確分類對預(yù)防和診斷冠狀動脈疾病十分重要。冠狀動脈CT血管造影(coronary CT angiography, CCTA)是評估冠狀動脈狹窄的可靠方法，可用于檢測心肌橋長度和厚度[3-4]。作為一種基于人工智能的學(xué)習(xí)模型，深度神經(jīng)網(wǎng)絡(luò)已廣泛應(yīng)用于醫(yī)學(xué)影像去噪、檢測鈣化及評估病變血管狹窄程度等方面[5-8]。本研究觀察基于CCTA構(gòu)建深度神經(jīng)網(wǎng)絡(luò)模型以檢出和分類LAD心肌橋的價值。

1 資料與方法

1.1 一般資料 回顧性分析2020年9月—2021年1月726例因胸痛于民航總醫(yī)院接受CCTA檢查患者，男377例，女349例，年齡24～86歲，平均(58.9±11.7)歲；其中273例罹患冠狀動脈粥樣硬化或心臟疾病。排除圖像存在偽影者。

1.2 儀器與方法 采用GE Revolution 256層螺旋CT，以智能心電門控技術(shù)進(jìn)行CCTA掃描。囑患者平靜呼吸，掃描范圍自氣管分叉下方1 cm處至心臟膈面水平，管電壓120 kV，管電流300～700 mAs自動調(diào)節(jié)，探測器16 mm，球管轉(zhuǎn)速0.28 s/rot。采用智能追蹤技術(shù)，以氣管分叉水平下方10 cm處升主動脈為追蹤點(diǎn)，閾值達(dá)100 HU后自動觸發(fā)掃描；對比劑為碘佛醇(350 mgI/ml)，注射流率4.5～5.5 ml/s，劑量為0.8 ml/kg體質(zhì)量。以多模型迭代重建算法重建收縮末期和舒張中期圖像，層厚0.625 mm。

1.3 圖像分析 由2名具有10年以上工作經(jīng)驗(yàn)的影像科副主任或主任醫(yī)師分別于GE AW4.7工作站行三維重建，獲得冠狀動脈結(jié)構(gòu)圖像，提取冠狀動脈中心線并行曲面重建，于其中測量心肌橋厚度與長度，于壁冠狀動脈受壓最顯著部位、與其走行長軸垂直層面測量心肌最遠(yuǎn)點(diǎn)與壁冠狀動脈之間的距離，記為心肌橋厚度；沿冠狀動脈血管中心測量其長度；按照國際心血管CT協(xié)會冠狀動脈分段標(biāo)準(zhǔn)[9]，根據(jù)心肌橋起點(diǎn)、終點(diǎn)、最深處位置及所在血管分支對心肌橋進(jìn)行診斷并評估其類別為淺表型或縱深型，意見不一致時討論決定。診斷心肌橋標(biāo)準(zhǔn)：CCTA顯示冠狀動脈血管節(jié)段性或環(huán)周1/2以上被心肌包繞、其遠(yuǎn)端走行于心肌外膜組織中時，認(rèn)為該段心肌組織系心肌橋[10]；以該段冠狀動脈外覆心肌厚度<2 mm為淺表型心肌橋、≥2 mm為縱深型心肌橋。

1.4 構(gòu)建深度學(xué)習(xí)網(wǎng)絡(luò) 分別按照7∶3及1∶2比例將心肌橋患者和非心肌橋患者歸入訓(xùn)練集和測試集。在工程師協(xié)助下，采用基于中心線導(dǎo)航的深度神經(jīng)網(wǎng)絡(luò)殘差-長短期記憶級聯(lián)網(wǎng)絡(luò)(residual network-long short-term memory, Resnet-LSTM)[11-13](深圳科亞醫(yī)療科技有限公司)構(gòu)建檢出和分類LAD心肌橋的多任務(wù)模型；網(wǎng)絡(luò)模型設(shè)計(jì)圖見圖1。將收縮末期和舒張中期曲面重建冠狀動脈圖像(像素50×50)導(dǎo)入Resnet-LSTM模型，以二維Resnet網(wǎng)絡(luò)提取圖中單個血管片層的特征，并以級聯(lián)雙向LSTM網(wǎng)絡(luò)學(xué)習(xí)心肌橋在血管方向上的高維連續(xù)特征，以全連接網(wǎng)絡(luò)層分別輸出心肌橋位置與類別；采用分類與定位交叉熵?fù)p失函數(shù)矯正學(xué)習(xí)，自動化提取及篩選多個血管的特征，完成以血管分支為單位檢出與分類心肌橋。以訓(xùn)練集數(shù)據(jù)對Resnet-LSTM模型進(jìn)行學(xué)習(xí)訓(xùn)練，以測試集數(shù)據(jù)檢測模型性能。

1.5 統(tǒng)計(jì)學(xué)分析 采用SPSS 20.0統(tǒng)計(jì)分析軟件。以醫(yī)師診斷結(jié)果為標(biāo)準(zhǔn)，統(tǒng)計(jì)Resnet-LSTM模型檢出LAD心肌橋患者及病變數(shù)量，計(jì)算其檢出LAD心肌橋的敏感度、特異度、陽性預(yù)測值及誤診率，計(jì)算其檢出及分類LAD心肌橋的準(zhǔn)確率，以評價其性能。采用Kappa檢驗(yàn)分析Resnet-LSTM模型檢出LAD心肌橋結(jié)果與醫(yī)師診斷結(jié)果的一致性：Kappa≤0.20為一致性極低，0.20

2 結(jié)果

2.1 CCTA 726例患者中，453例存在心肌橋且均存在至少1處LAD心肌橋，其中294例存在1處、124例存在2處、29例存在3處、5例存在4處、1例存在5處；共檢出654處心肌橋；其中561處(561/654，85.78%)位于LAD，93處位于左回旋支和第一對角支等。293例未見心肌橋形成。

561處LAD心肌橋長度2.19～95.07 mm，中位長度21.56 (12.81，32.17) mm；厚度0.37～7.21 mm，中位厚度1.68(1.33，2.39) mm；44處位于LAD近段，464處位于LAD中段，53處位于遠(yuǎn)段；見表1。其中503處淺表型，58處縱深型。

將333例心肌橋患者共406處 LAD心肌橋(365處淺表型和41處縱深型)及91例非心肌橋患者納入訓(xùn)練集(n=424)，120例心肌橋患者共155處LAD心肌橋(138處淺表型和17處縱深型，其中139處位于LAD近或中段、16處位于LAD遠(yuǎn)段)和182例非心肌橋患者納入測試集(n=302)。

表1 LAD近、中、遠(yuǎn)段心肌橋長度及厚度(n=561)

圖1 檢出和分類心肌橋的Resnet-LSTM模型設(shè)計(jì)圖

圖2 患者女，77歲，LAD中段心肌橋(縱深型) A～C.分別為冠狀動脈容積再現(xiàn)圖(A)、曲面重建圖(B)及矢狀位圖像(C)(箭示病灶)； D.Resnet-LSTM模型檢出心肌橋(紅線)示意圖

2.2 Resnet-LSTM模型檢出及分類LAD心肌橋的性能 針對測試集，Resnet-LSTM模型共檢出130例存在LAD心肌橋、172例未見心肌橋，誤診27例、漏診17例，診斷敏感度為85.83%(103/120)，特異度為85.16%(155/182)，準(zhǔn)確率為85.43%(258/302)，陽性預(yù)測值為79.23%(103/130)，誤診率為14.84%(27/182)；與醫(yī)師診斷結(jié)果的一致性高(Kappa=0.70，P<0.05)。Resnet-LSTM模型共檢出167處、誤診30處漏診18處 LAD心肌橋，診斷準(zhǔn)確率88.39%(137/155)。

對于LAD近、中段心肌橋，Resnet-LSTM模型共正確檢出131處、誤診2處、漏診10處，診斷準(zhǔn)確率92.81%(129/139)；對于LAD遠(yuǎn)段心肌橋，模型共正確檢出36處、誤診28處、漏診8處，診斷準(zhǔn)確率為50.00%(8/16)。

Resnet-LSTM模型正確檢出的測試集137處LAD心肌橋中，將其中120處分類為淺表型、17處為縱深型，將13處縱深型誤歸淺表型、9處淺表型誤歸為縱深型，分類準(zhǔn)確率83.94%(115/137)。見圖2。

3 討論

臨床診斷冠狀動脈心肌橋在一定程度上依賴影像科醫(yī)師的主觀判斷，結(jié)果缺乏客觀性和可重復(fù)性。深度神經(jīng)網(wǎng)絡(luò)Resnet-LSTM采用2D Resnet網(wǎng)絡(luò)提取血管剖面圖像特征，結(jié)合LSTM網(wǎng)絡(luò)獲取血管剖面連續(xù)性信息，以級聯(lián)結(jié)構(gòu)實(shí)現(xiàn)血管3D空間特征學(xué)習(xí)；能以多任務(wù)方式快速檢測并分類心肌橋，同步輸出結(jié)果，實(shí)現(xiàn)快速自動化診斷心肌橋。

LAD是心肌橋的主要發(fā)病位置。LAD心肌橋?yàn)橐鹦募∪毖?、心絞痛等臨床癥狀的主要原因之一[1-2,4]。本組心肌橋患者中，LAD中段心肌橋占比最高(464/561，82.71%)。本研究基于中心線導(dǎo)航的深度神經(jīng)網(wǎng)絡(luò)Resnet-LSTM建立模型，針對CCTA圖像對LAD心肌橋進(jìn)行檢測及分類；所獲模型在對測試集LAD心肌橋的檢出敏感度為85.83%，特異度為85.16%，準(zhǔn)確率為85.43%，與醫(yī)師診斷結(jié)果的一致性高；其對LAD心肌橋病灶的診斷準(zhǔn)確率為88.39%，分類準(zhǔn)確率達(dá)83.94%。Resnet-LSTM模型對于LAD近、中段心肌橋的檢出效能高，診斷準(zhǔn)確率達(dá)92.81%，表明其識別CCTA圖像中的心肌橋的能力較好；但對LAD遠(yuǎn)段心肌橋的檢出效能欠佳，診斷準(zhǔn)確率僅50.00%。分析原因：①近、中段LAD直徑相對較大，且形態(tài)結(jié)構(gòu)簡單、穩(wěn)定，利于檢出及分類心肌橋；②LAD遠(yuǎn)段分支逐漸進(jìn)入心肌內(nèi)部，血管剖面圖像表現(xiàn)為心肌環(huán)繞于血管四周，影響模型檢出效能。另一方面，臨床基于CCTA進(jìn)行診斷時，往往多關(guān)注直徑較大的血管，如冠狀動脈病變SYNTAX評分僅針對直徑>1.5 mm的血管病變進(jìn)行評估[14]，提示識別LAD遠(yuǎn)段心肌橋準(zhǔn)確率較低對其臨床應(yīng)用價值的影響有限。

本研究的局限性：①為單中心、單一設(shè)備研究，且樣本中縱深型心肌橋含量過小；②所獲Resnet-LSTM模型對淺表型心肌橋與非心肌橋的檢測及分類性能有待提高；③未對收縮期和舒張期圖像進(jìn)行對比觀察。

綜上所述，基于CCTA的深度神經(jīng)網(wǎng)絡(luò)Resnet-LSTM模型用于檢出和分類LAD心肌橋性能較好，具有一定臨床應(yīng)用價值。

文章題名要求

▲題名應(yīng)以簡明、確切的詞語反映文章中最重要的特定內(nèi)容,要符合編制題錄、索引和檢索的有關(guān)原則,并有助于選定主題詞。

▲中文題名一般不宜超過20個字,必要時可加副題名。

▲英文題名應(yīng)與中文題名含義一致。

▲題名應(yīng)避免使用非公知公用的縮寫詞、字符、代號,盡量不出現(xiàn)數(shù)學(xué)公式和化學(xué)式。