基于冠状动脉CT血管成像的深度学习模型对冠心病的诊断性能.pdfVIP

中国医学影像学杂志2023年第31卷第7期心脏影像学论著

基于冠状动脉CT血管成像的深度学习模型对冠心病的诊断性能

111*22

耿冀，常玉莲，张滨，王思雯，张番栋

1.北京大学首钢医院影像科，北京100144；2.深睿人工智能研究院，北京100080；*通信作者张滨zhangbin-m@126.com

【摘要】目的探讨基于冠状动脉CT血管成像的深度学习（DL）模型评估冠心病管腔狭窄的诊断性能。资料与方法回顾性

分析2014年7月—2020年7月北京大学首钢医院89例疑似冠心病患者的冠状动脉CT血管成像资料，采用侵入性冠状动脉造

影作为参考标准，评价DL模型对冠心病管腔狭窄的诊断性能。管腔直径狭窄≥50%认为是梗阻性冠状动脉狭窄，并在斑块类型、

斑块长度、斑块累及血管水平，应用受试者工作特征曲线下面积（AUC）比较DL模型和医师的诊断效能，同时计算敏感度、

特异度、阳性预测值、阴性预测值和准确度。结果DL模型诊断阻塞性冠状动脉狭窄的AUC为0.92，敏感度为86.2%，特异

度为87.6%，阳性预测值为66.37%，阴性预测值为95.71%，准确度为87.28%。在斑块类型水平，DL模型对混合型斑块所致管

腔狭窄的敏感度最高（100%），对非钙化斑块所致管腔狭窄的特异度最高（88.9%），对非钙化斑块所致管腔狭窄的整体诊断

效能最优，准确度为89.43%，AUC为0.94。在斑块长度水平，DL模型对局限性斑块与节段性斑块所致管腔狭窄的诊断效能接

近，AUC分别为0.91和0.95。在斑块累及血管水平，DL模型对左主干、右冠状动脉、前降支、回旋支及分支血管的管腔狭窄

2

诊断AUC分别为1.00、0.96、0.90、0.90和0.92。DL模型对不同长度斑块所致管腔狭窄的诊断性能差异有统计学意义（χ=8.43，

2

P=0.01），对不同类型斑块所致管腔狭窄的诊断性能差异无统计学意义（χ=0.77，P=0.68），对不同累及血管管腔狭窄的诊断

2

性能差异无统计学意义（χ=9.43，P=0.05）。对于非钙化斑块、混合斑块及节段性斑块所致管腔狭窄，DL模型的诊断性能高于

医师，差异有统计学意义（Z2.53、2.52、2.49，P=0.01）。结论基于冠状动脉CT血管成像的DL模型诊断冠心病具有较高

的准确性，是诊断冠心病的可靠辅助工具。

【关键词】冠状动脉疾病；深度学习；冠状动脉造影；体层摄影术，X线计算机

【中图分类号】R541.4；R445.3【DOI】10.3969/j.issn.1005-5185.2023.07.006

DiagnosticPerformanceofDeepLearningModelBasedonCoronaryArteryCTAngiographyfor

CoronaryHeartDisease

111*22

GENGJi,CHANGYulian,ZHANGBin,WANGSiwen,ZHANGFandong

DepartmentofRadiology,PekingUniversityShougangHospital,Beijing100144,China;*AddressCorrespondenceto:ZHANGBin;

E-mail:zh