按关键词阅读：
实际之中 ， 这样的操作常常会遇到很多问题 。 首先 ， 这种方式对于患者的配合度要求非常高 ， 患者两次扫描的位置必须匹配 ， 也不能移动 ， 否则减影效果会有所欠缺 。 其次 ， 两次CT检查无疑会给予患者更多的辐射剂量 ， 虽然剂量仍然在安全范围之内 ， 但容易引起患者的担忧 。
AI介入后 ， 头颈CTA的检查流程由此发生了较大的改变 。 将减少一次CT扫描 ， 为患者带来更好的就医体验 ， 而重建影像耗费的时间也将由此大幅降低 。
超亿次血管勾画验证 ， AI实现颅内细小血管精准分割
回到论文 ， 整个实验大致可分为模型训练与模型验证两个部分 。 18259例头颈CTA数据集均采集于2017年6月至2018年11月间 ， 由5家国内顶尖三甲医院协作提供 。 按照每个病例600幅影像 ， 每张影像10个血管区域进行计算 ， 整个实验过程已对超过一亿血管区域进行了AI勾画与分割 。为保证样本数据的有效性 ， 研究人员手动检查排除了507项图像质量较差的样本数据 ， 剩下9370例男性数据与8889例女性数据 ， 所有参与者年龄均位于63±12岁这一区间 。
文章图片
研究设计
完成样本构建后 ， 研究人员使用数坤科技开发的CerebralDoc AI模型对影像进行后处理重建 。
一般的深度神经网络 ， 在精度要求非常高的医疗图像中完成高标准的分割 ， 难度比较大 。 比如 ， 头颈血管特别是颅内血管由于比较细小在一副图像中只占几十甚至几个像素 ， 在数坤之前 ， 国内外都没有更好的网络能够大规模应用于临床 。
数坤的CerebralDoc模型充分考虑了CT影像的三维特性和人体的组织器官特征 ， 将待学习的组织目标（比如血管）的各类特征进行放大 ， 在训练时能够充分将所需的特点进行学习提取 。 数坤专门设计的训练过程 ， 能做到训练时从整体和局部分别观察血管 ， 不断增强网络的鲁棒性 ， 这是很独特的 。
相比较数坤自己研发的前几代网络 ， 新的神经网络在对颅内细小血管的追踪以及排除骨、去除静脉干扰上又有突破 。
数坤科技研究院负责人郭宁告诉动脉网：“这个实验进行至今已经超过2年 。 模型最初建立的时候 ， 像一个刚刚出生的孩子 ， 随着网络的快速成长 ， 影像重建的准确率、效率 ， 逐渐提升 ， 到了论文发布时 ， AI的重建准确率已经趋近于100% 。 ”
效率质量不断提升 ， 医生+AI 优势互补
论文发布时 ， 该AI的算法评价指标戴斯相关系数、血管加权分数和召回率均达到90%以上 。
具体而言 ， AI 在独立测试集重建准确率达到了93.1% 。 而与152例手动重建数据进行对比 ， AI重建的合格率达到92.1% ， 此外 ， AI 重建VR图像的血管边界比手动重建更光滑、最大密度投影重建（MIP）图像的去骨效果更佳 。
文章图片
a右脑中动脉闭塞 ， 没有建立侧支循环；b基底动脉瘤伴血栓和钙化 ， 可在CerebralDoc重建的MIP中观察到；c寰枕手术后 ， AI中的金属伪影得到了更好的抑制；d直接由主动脉引起的右颈总动脉和左椎动脉的分叉严重狭窄
文章图片
AI重建和手动重建图像质量的比较 。 第一行可见AI 重建图像血管管壁更加光滑 ， 分支显示更远；第二行可见手动去骨受扫描的影响较大
在效率提升上 ， AI同样发挥出优异的表现 。 该系统应用于宣武医院后 ， 该院影像平均后处理时间由14.22±3.64min减至4.94±0.36min ， 时间缩短到原来的1/3 。 同时 ， 技师的点击操作次数也因为AI的介入而飞速下降 ， 由115.87±25.9下减至4下 。
稿源：(动脉网)
【】网址：http://www.shadafang.com/c/hn10149B2492020.html
标题：Nature|《Nature》子刊收录宣武医院CTA研究，AI重塑临床流程( 二 )
