基于冠状动脉CT特征的机器学习技术评价冠状动脉粥样硬化斑块风险

摘要：

冠状动脉CT血管造影(CCTA)作为冠心病的一线诊断工具,不但可以评估冠状动脉管腔狭窄的程度,也可以进一步分析斑块组成、形态和易损性,而基于CCTA图像的冠周脂肪CT定量检测则可以反映冠状动脉炎症情况,用于综合评估心血管事件远期风险.在此基础上,随着人工智能和影像组学技术的发展,冠心病患者个体化危险分层和治疗决策的制定越来越多地应用到了机器学习技术,该技术可以深度挖掘组织影像标志物,整合临床、生物学和CCTA影像学信息,构建精准无创预测模型,为进一步精确评估心血管风险提供强有力的支持.本文详细综述了CCTA检查在检测定量斑块易损性及冠状动脉炎症中的作用,并简要总结了基于影像组学的机器学习算法模型评估冠状动脉粥样硬化斑块风险的最新研究进展.

关键词：冠状动脉疾病;CT血管造影;影像组学;机器学习

所属期刊栏目：20

分类号：R541.4(心脏、血管（循环系）疾病)

资助基金：国家重点研发计划2016YFC1300304

在线出版日期：2021-10-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：702-706