基于冠状动脉周围脂肪组织影像组学特征及神经网络模型预测冠状动脉狭窄血流动力学严重程度
徐子良
文娣娣
赵宏亮
郑敏文
中国人民解放军空军军医大学西京医院放射科,西安 710032
摘要：目的 评估基于神经网络方法构建的预测模型能否精准评估冠状动脉狭窄的血流动力学严重程度(缺血或不缺血).方法 回顾性收集行冠状动脉CT血管成像(CCTA)及有创冠状动脉造影的血流储备分数(FFR)测量的92例冠状动脉疾病病人的临床及影像资料,其中男66例,女26例;平均年龄(58.3±10.3)岁.共纳入122支冠状动脉血管.依据FFR值将122支冠状动脉血管分为2组,即狭窄组(FFR≤0.8,68支)和非狭窄组(FFR>0.8,54支).基于CCTA影像数据,选取冠状动脉周围脂肪组织(PCAT)区域的468个影像组学特征进行分析.构建3种冠状动脉狭窄预测模型,包括神经网络模型、传统统计学模型和最小绝对值收敛与选择算子模型.采用受试者操作特征曲线下面积(AUC)评估3种模型预测冠状动脉狭窄的性能.采用Pearson相关分析神经网络特征、原始影像组学特征与真实标签的相关性.采用独立样本t检验比较2组的影像组学特征.结果 3种预测模型中,神经网络模型的预测效能最高,其准确度、敏感度、特异度和AUC分别为81.19％、81.23％、81.16％和0.7813(0.7738～0.7888).神经网络特征与真实冠状动脉狭窄标签的相关性[最大绝对相关系数(r最大)=0.6838,P<0.001,平均绝对相关系数(r平均)=0.2611]高于原始影像组学特征与真实标签的相关性(r最大=0.2389,P=0.008和r平均=0.0905).狭窄组的W6_surface_area高于非狭窄组,而W6_Auto Correlation_mean低于非狭窄组(均P<0.05),其余特征差异均无统计学意义(均P>0.05).结论 以影像组学特征为输入的神经网络模型可以很好地预测冠状动脉狭窄,其中10个PCAT区域影像组学特征或许在预测冠状动脉狭窄的血流动力学方面具有重要意义.
关键词：冠状动脉CT血管成像血流储备分数冠状动脉周围脂肪组织影像组学神经网络
分类号：R54(心脏、血管（循环系）疾病)R445.3(诊断学)
资助基金：国家自然科学基金(82071917)陕西省自然科学基础研究计划(2020JQ-461)
论文发表日期：2021-09-15
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 511-515 )
英文信息