语言 ▾
中文EN

不用含碘对比剂也能完成血管造影?《Radiology》中国研究:人工智能也许能帮到我们!

发布时间:  2025-07-21 13:49:43



2023年11月,中国学者在《Radiology》(中科院医学1区,IF=15.2)发表标题为:“Generative Adversarial Network-based Noncontrast CT Angiography for Aorta and Carotid Arteries”的研究论文。




摘要与主要结果

一、 摘要

目标:开发一种基于生成对抗网络(GAN)的无碘对比剂(ICA)CT血管成像(CTA)模型(CTA-GAN),通过平扫CT(NCCT)生成合成CTA图像(Syn-CTA),并评估其在颈部和腹部血管疾病诊断中的图像质量及准确性。避免碘对比剂带来的过敏反应、肾功能损伤等风险,降低检查成本和时间。


研究设计、设置和参与者:一项回顾性多中心研究,内部数据集来自:解放军总医院(2017–2022年)的1749例颈/腹部配对NCCT-CTA扫描(训练集1137例、验证集400例、测试集212例)。外部验证集来自:湖南脑科医院(2018–2023年)的42例腹部配对扫描。

结果:内部测试集Syn-CTA与真实CTA高度相似(NMAE=0.011, PSNR=32.07 dB, SSIM=0.919),显著优于对照模型。外部验证集性能稳定(NMAE=0.013, PSNR=31.58 dB, SSIM=0.906)。


内部测试集总体准确率94%(F1=91%),动脉瘤敏感度87%、夹层90%、粥样硬化94%。

外部验证集总体准确率86%(F1=83%),动脉瘤敏感度100%,但夹层敏感度降至67%(4例夹层漏诊)。



二、研究结果

定量评估结果

核心结论:Syn-CTA图像与真实CTA高度相似,且显著优于传统模型。内部测试集:CTA-GAN:NMAE=0.011(误差最低),PSNR=32.07 dB(信噪比最高),SSIM=0.919(结构相似性最优)。对比模型:RegGAN(NMAE=0.014)和pix2pix(NMAE=0.026)的性能显著落后于CTA-GAN。外部验证集CTA-GAN保持稳定(NMAE=0.013,SSIM=0.906),证明模型泛化能力较强。

视觉质量评估

核心结论:95%的Syn-CTA图像获评"优质"(评分=3),与真实CTA无统计学差异(P=0.35)。

模型评价

核心结论:Syn-CTA对血管病变的诊断准确性达临床可用水平,但夹层诊断存在挑战。动脉粥样硬化,狭窄部位(图5A箭头)和斑块细节精准还原。主动脉瘤,瘤体扩张形态与附壁血栓(图3B箭头)清晰可见。主动脉夹层,真实CTA中内膜瓣(图3C箭头)在Syn-CTA中完整呈现,而NCCT无法显示。





设计与统计学方法

 研究设计

P:解放军总医院(2017–2022年)的1749例颈/腹部配对NCCT-CTA扫描(训练集1137例、验证集400例、测试集212例)。外部验证集来自:湖南脑科医院(2018–2023年)的42例腹部配对扫描。

I:基于生成对抗网络(GAN)的CTA-GAN模型

C:pix2pix(传统图像翻译模型)、RegGAN(配准优化型GAN)

O:定量相似性、视觉质量、诊断性能。

S:回顾性多中心诊断试验。


统计方法

本研究采用严谨的多层次统计方法:样本量计算基于诊断试验公式(预设敏感性95%、特异性90%,α=0.05,β=0.2),结合既往病变率(8%)确定最小测试集样本量88例(实际纳入212例);图像质量评估通过χ²检验/Fisher精确检验(依据理论频数选择)分析Syn-CTA与真实CTA的视觉评分差异(二分化为低/高质量组),显著性阈值设为P<0.05,并由两名放射科医师独立盲法评分(争议经共识解决);诊断性能采用敏感度、特异度、准确率及macro-F1分数(多类别F1均值)综合评估,结果通过混淆矩阵分层呈现(内/外部数据集);定量指标(NMAE、PSNR、SSIM)直接对比模型输出与真实CTA的数值差异。所有数据中连续变量以中位数(IQR)、分类变量以频次(百分比)描述。



小结

中国学者在《Radiology》发表的一项多中心随机对照试验显示,本研究首创基于生成对抗网络(GAN)的无碘对比剂CT血管成像模型(CTA-GAN),通过平扫CT合成高质量血管图像。模型在1749例内部数据和42例外部验证中表现优异,为碘过敏或肾功能不全患者提供安全、低成本的血管病变筛查替代方案。




参考文献

Lyu J, Fu Y, Yang M, Xiong Y, Duan Q, Duan C, Wang X, Xing X, Zhang D, Lin J, Luo C, Ma X, Bian X, Hu J, Li C, Huang J, Zhang W, Zhang Y, Su S, Lou X. Generative Adversarial Network-based Noncontrast CT Angiography for Aorta and Carotid Arteries. Radiology. 2023 Nov;309(2):e230681. doi: 10.1148/radiol.230681IF: 15.2 Q1 . PMID: 37962500.


End





上一篇:围手术期头孢呋辛联合甲硝唑或阿莫西林/克拉维酸预防性用药与儿童单纯性阑尾切除术后手术部位感染的关联

下一篇:07.14-07.20 临床预测模型研究顶刊快报



邮编:400000
联系电话:13651835632
电子邮件:zhoubaihao910@126.com
地址:重庆市沙坪坝区龙湖光年4号楼
Copyright © 2022 重庆嘉舟生物科技有限公司 All Rights Reserved 渝ICP备2022013225号