9月，首都医科大学宣武医院卢洁教授团队在Nature子刊《Nature Communication》在线发表了题为《Rapid vessel segmentation and reconstruction of head and neck CTA using 3D convolutional neural network》的研究论文。该研究首次利用3D卷积神经网络设计开发一个可实现头颈CTA血管分割的后处理系统，自动完成头颈CTA血管重建，通过人工智能（AI）自动去骨，在提高精准度的同时，避免二次扫描，降低患者辐射剂量。论文第一作者为傅璠博士、通讯作者为卢洁教授。

目前，临床完成头颈CTA的图像后处理主要依赖于技师手动勾画重建，平均一个病人的后处理时间约20-30分钟。随着头颈CTA检查数量的不断增多，后处理重建技师的工作压力逐渐增大。同时，由于头颈血管走形迂曲且与颅骨关系密切，对人工智能的算法也提出了更高要求。本研究利用基于生理解剖结构分区的3D神经卷积网络，分别对主动脉弓、颈动脉及颅内动脉进行精准分割提取，结合连通性生长预测网络（CGPM），完成头颈CTA血管重建。

图1：CerebralDoc系统的骨分割和血管分割流程图。a: 3D ResU-Net结构单元实现头颈CTA中骨和血管的自动分割；b: 全系统流程图，ResU-Net 1和ResU-Net 2用于实现骨分割，ResU-Net 3 实现血管分割，最后CGPM生长网络用于血管断裂处的连接，完成图像后处理。本研究纳入多中心共18766例行头颈CTA检查的患者（9370例男性和9396例女性，平均年龄63.2岁）进行模型构建，算法评价指标戴斯相关系数、血管加权分数和召回率均达到90%以上。之后前瞻性纳入152例CTA图像进行AI重建与技师手动重建的比较，AI重建的合格率为92.1%，且与手动重建相比，AI重建VR图像的血管边界更光滑、最大密度投影重建（MIP）图像的去骨效果更佳。本文同时总结分析了2019年7月-11月该系统在宣武医院的应用情况。该系统将图像的平均后处理时间由14.22±3.64min减至4.94±0.36min，技师点击次数由115.87±25.9下减至4下。

图2：AI重建和手动重建图像质量的比较。第一列可见AI 重建图像血管管壁更加光滑，分支显示更远；第二列可见手动去骨受扫描的影响较大，g图可见血管周围大量骨残留影响其观察，对同一病例AI通过增强扫描完成去骨，去骨效果良好，同时避免进行二次扫描。

本研究报道的人工智能头颈CTA后处理重建是目前国内首个针对头颈血管分割提取的大规模研究，研究结果不仅体现了卷积神经网络在医学图像后处理的应用优势，而且反映了人工智能后处理重建系统在临床的应用价值和潜力。未来人工智能有望继续为推进疾病精准诊断，优化医疗服务流程，提高医疗服务效率做出更大贡献。

通讯作者

卢洁，教授、主任医师、博士研究生导师，国家自然科学基金优秀青年基金获得者、国家万人计划科技创新领军人才、中华医学会放射学分会杰出青年、北京市科技新星、北京市“百”层次卫生人才、北京市卫生系统高层次卫生技术人才、第六届北京优秀医师。现任首都医科大学宣武医院副院长，放射科主任、核医学科副主任，首都医科大学核医学系常务副主任，磁共振成像脑信息学北京市重点实验室副主任。专业方向为影像医学与核医学，擅长神经系统疾病影像诊断，主要从事脑疾病功能与分子影像学研究，主持国家科技部十三五重点专项、国自然、北自然等10余项课题，发表SCI文章70余篇，代表作发表在Neuron、PLOS Biology、Nature Communications、Theranostics、European Journal of Nuclear Medicine and Molecular Imaging等国际权威期刊，参编（译）著13部。主要学术任职有中华医学会放射学分会磁共振学组委员、北京医学会放射学分会副主任委员、北京医师协会放射医师分会副会长、北京神经内科学会神经影像专业委员会主任委员等。担任中国医学影像技术杂志常务编委、NeurosciBiobehav Rev、JAD、Bioed Environ SCI等杂志审稿专家。

第一作者

傅璠，首都医科大学宣武医院放射科，博士研究生，主要研究方向为人工智能在神经系统疾病的应用研究，以第一作者发表SCI论文5篇，中文核心期刊3篇，参与北京市自然重点研发项目、国家自然科学基金等3项课题。