前言

冠状动脉疾病作为常见疾病，其对健康具有严重威胁，目前冠状动脉疾病首选的影像学诊断手段为冠状动脉CT血管成像（coronarycomputedtomographyangiography，CCTA），其具有无创、便捷高效的应用优势，能够为患者提供准确的诊断结果，以推动治疗的开展。随着冠状动脉CT血管成像应用愈发广泛，临床也逐渐开始探究如何改善图像质量、实现定性与定量诊断的有效方法，通过引入人工智能（artificialintelligence，AI）技术，能够降低图像噪声、减少运动伪影，以促进图像质量提升，为动脉狭窄与斑块检测提供辅助作用，逐渐展现出应用潜力^[2]。本次研究主要对现阶段人工智能在冠状动脉CT血管成像中的应用进展进行总结分析，希望能够为AI技术在冠状动脉疾病诊断中的应用提供一定参考。
1人工智能在冠状动脉CT成像中的应用

1.1提高图像质量

高质量的冠状动脉CT图像能够确保诊断效果得到提升，进而为患者提供准确的诊断结果，但是在改进图像质量时往往会形成更高的辐射剂量，进而可能危害受检者的健康，而通过引入AI技术的图像重建算法，能够避免传统迭代重建算法，进而可在避免增加辐射剂量基础上确保图像质量提升。冯梦雅等^[2]提出在肥胖患者冠状动脉CTA诊断过程中运用基于AI的新迭代重建算法与80 kVp的管电压，能够减少辐射剂量，同时获取的图像质量与常规剂量无明显差异。朱刚明等在^[3]在研究中发现，基于深度学习的冠状动脉CT血管造影可获取较高质量图像，进而对疑似冠心病患者进行筛查与诊断。此外即便在肥胖个体实施冠状动脉CT成像检查中，深度学习图像重建算法也能够对噪声进行控制，进而改善图像质量^[4]。

1.2提升后处理效能

在对冠状动脉CT血管成像实施后处理时，受到多种因素的干扰，往往会对图像自动处理效果产生一定影响，通过运用人工智能图像后处理，有助于改善后处理效能，进而获取更高质量的图像。张鹏朝等^[5]在研究中比较AI冠脉CTA自动后处理系统与人工诊断的应用效果，发现两种方式的图像重建率、图像质量与斑块成本评分及诊断效能等方面对比均无明显差异，但AI图像后处理时间相对更短，可提高临床诊断效率。有研究者基于CCTA的容积重建后处理，其中AI平均完成时间与人工后处理图像缩短了309s，其图像处理剂量与人工后处理无差异，针对各节段的命名符合率为96.88%，能够更加快速地为临床提供诊断数据。赵福琳等在研究中提出，CCTA图像在实施AI后处理后，显示冠状动脉分支较人工后处理更为完整，便于对患者病变进行评估。

1.3辅助诊断冠状动脉狭窄

冠状动脉CT血管成像在冠状动脉狭窄程度评估中应用广泛，但是如果难以保证图像质量，则无法对冠状动脉狭窄程度进行准确评定。而在AI技术辅助下，可对冠状动脉的狭窄程度进行精准评估，以便及时发现动脉病变。张卉等在研究中利用联影AI冠状动脉智能诊断系统软件实施冠状动脉CT血管成像处理，发现基于AI的图像质量及对冠状动脉狭窄的诊断效能与人工相比并未出现明显差异，可将其用于临床冠状动脉狭窄诊断过程中。韩莎莎等发现AI对冠状动脉病变的诊断价值较高，其对冠状动脉狭窄分级的评估与医师评估具有良好的一致性。近年来也有研究者基于深度学习模型对冠状动脉慢性闭塞病变进行识别，其识别成功率最高可达95%。总而言之，在冠脉狭窄诊断中可将AI技术作为重要的辅助手段。

1.4辅助检测冠状动脉斑块

基于AI技术可对冠状动脉CT图像中的斑块组成与特征进行分析，进而实现对斑块的分级，更加便于对患者的病变情况进行明确，进而可对患者进行准确的分诊。有研究中提出通过卷积长期短记忆网络架构的深度学习模型所获取的CCTA中的斑块体积与血管内超声测量值的一致性较好。还有研究者运用AI技术对钙化、非钙化、混合斑块进行检测，其检出率与专家诊断无明显差异，且相比专家诊断，AI处理时间相对更短。因此基于机器学习技术能够对CCTA的影像学信息进行分析，并运用机器学习技术构建无创预测模型，更加便于对冠状动脉粥样硬化斑块风险进行精准评估，以便为患者提供诊断与治疗参考。

1.5计算CT血流储备分数

通常金标准的CT血流储备参数是通过有创的介入操作对冠状动脉高压血流进行测量，通过应用基于人工智能技术的CT血流储备参数计算能够改变传统的计算量大、耗时长的不足，进而可对冠状动脉血流状态进行更加精准地评估。有研究提出CT血流储备分数与压力导丝所检测的CT血流储备参数值有良好的一致性，可对患者的病情状态进行评估。张明多等发现基于人工智能优化与计算所获取的无创血流储备分数与有创血流储备分数有良好的一致性及诊断效能，可对心肌缺血情况进行准确评估，且不会对患者产生严重创伤。还有研究者基于深度学习算法重建的CCTA图像对CT血流储备的测量值、诊断效能并无显著影响，同时可缩短患者CT血流储备分数的计算时间，控制时间在5min以内，进而可辅助临床医生对患者有血流动力学意义的动脉狭窄进行精准识别，进而为临床治疗提供指导。

2小结及展望

综上所述，伴随AI技术在CCTA中应用愈发广泛，且在改善图像质量、辅助诊断等方面具有良好的应用优势，可辅助临床医生提升诊断冠状动脉效率，伴随AI技术日益发展，AI技术能够更加智能地为临床决策提供帮助，进可为更多有需求的患者提供准确的诊断结果，缩短诊断时间，促进临床诊治工作的有序开展。在未来AI技术发展过程中，有望推动新兴的评价参数与方法的形成，以便催生更具个性化的AI模型，进而围绕冠状动脉疾病早筛、预防、辅诊、治疗等方面提供人工智能服务，不断提升心血管健康服务水平。

参考文献

[1]李浚利,黄益龙,韩丹,等.冠状动脉CT血管成像中人工智能诊断冠心病的准确性[J].中国医学影像技术,2021,37(01):59-62.

[2]冯梦雅,李冰,吴敏,等.基于AI的新迭代重建算法与低管电压在降低肥胖患者冠状动脉CTA辐射剂量中的应用[J].CT理论与应用研究,2023,32(06):777-782.

[3]朱刚明,谭源满,陶娟,等.基于深度学习的冠状动脉CTA人工智能后处理对疑似冠心病患者诊断价值的初步研究[J].临床放射学杂志,2021,40(11):2128-2133.

[4]王宏伟,李瑛,高一峰,等.深度学习图像重建算法用于肥胖个体低剂量冠状动脉CT血管成像[J].中国医学影像技术,2021,37(05):754-758.

[5]张鹏朝,王高波,陈金笑.人工智能冠状动脉CT血管造影自动后处理系统在冠心病诊断中的应用[J].心电与循环,2025,44(01):25-30.