一个个性化的计算框架用于诊断心脏 perfusion 缺陷
Elisabetta Criseo1, Andrea Baggiano2, Giovanni Montino Pelagi3
1Cardio-Tech Lab, Centro Cardiologico Monzino, Via Carlo Parea 4, Milano, 20138, Italy; Dipartimento di Elettronica Informazione e Bioingeneria, Politecnico di Milano, Via Ponzio 34/5, Milano, 20133, Italy.
Computer methods and programs in biomedicine
|August 13, 2025
概括
这项研究引入了一个AI框架,可以从常规CT扫描中预测心肌动脉血流 (MBF),从而改善冠状动脉疾病的诊断. 该模型准确地识别了健康和病态的 perfusion 区域.
科学领域:
- 心血管成像 - 心血管成像
- 人工智能在医学中的应用
- 计算生理学计算生理学
背景情况:
- 心肌血流 (MBF) 对于评估心肌输液至关重要.
- 目前的方法通常需要额外的临床测试,如动态CT输液.
- 需要使用非侵入性方法来预测MBF.
研究的目的:
- 开发和验证用于预测MBF的计算框架.
- 为了提高冠状动脉疾病的诊断,使用常规CT数据.
- 将人工智能与计算机建模集成为 perfusion 评估.
主要方法:
- 人工智能驱动的冠状动脉和心肌几何结构的重建.
- 一个具有3D冠状动脉和三隔膜心肌模型的计算模型.
- 使用6名患者的数据进行盲目校准.
主要成果:
- 在28名患者的实验和临床测量中验证了MBF预测.
- 在对健康与病态 perfusion 区域进行分类时的高精度 (回忆值 0.81,精度 0.68,精度 0.7).
- 人工智能预测的MBF与既定指标的一致性.
结论:
- 本研究介绍了使用这种AI框架对MBF的首次大规模预测和验证.
- 开发的计算框架显示了未来心脏病学临床应用的前景.
- 这些发现支持AI在常规CT中的潜力,以改善心脏诊断.


