人工智能与仿真助力智能精准医疗

为训练医学影 像的 U-NET（U-NET 是基于卷积神经网络的新型深度学习算法），使其 能够自动地识别和分割冠状动脉，科研人员需要大量的 CTA 数据和人工 分割的冠状动脉。根据之前的研究经历和科研文献的推荐，他们需要几百 例的原始 CTA 影像以及手工精确分割建模的冠状动脉模型。另外，还需 要深度学习同一个病人的相应冠脉造影的影像和数据来推测冠脉造影的研 究。训练过程通常要经过几千次或者几万次，直到目标函数达到一定阈值 或不再下降为止。类似的，冠脉造影测量的狭窄程度也可以作为机器学习 的目标，其误差函数要相应做出调整。训练完成以后，就可以部署到实际 应用中，来自动分割或推测新的病例 CTA 影像。

无创精准供血功能评估

心血管疾病是全球致死率最高的疾病，是导致我国人口死亡的第一原 因，其中脑血管发病率世界最高。在我国，据 2015 年中国心血管病中心 发布的中国心血管病报告显示，2014 年冠心病和中风造成的死亡人数分别 近 200 万。经由医生诊断有冠心病的患者在 2008 年即有 1000 多万。更 加值得警惕的是中国冠心病的死亡人数在过去 10 年的时间内增长了足足 3 倍多，中风致死人数也在逐年稳步增长。 值得注意的是，心血管疾病和年龄、糖尿病、吸烟史、肥胖和高血脂 都有很强的关联性，考虑到中国人口老龄化问题的日益严重，庞大的糖尿 病人口、吸烟人口以及日益严重的高血脂和肥胖问题，中国冠心病和中风 的危害程度必将持续升级。

如何为病人提供精确、方便、快捷的检测手段， 将成为心血管疾病治疗的重中之重。 目前，冠心病的诊断流程非常复杂，当患者感觉胸痛、胸闷等来到医 院后，医生通常会推荐患者做一些简单的常规检查，比如心电图、冠脉 CT、运动检查等。然而，这些无创简单的检测方法都不够精准，医生根 据这些结果不能确定患者是否需要做支架等 PCI（经皮冠状动脉介入治疗） 手术。最终医生通常会推荐患者去做一个更加精准的介入手术“冠脉造影” 来决定是放支架还是药物保守治疗。

但是冠脉造影是一个有创的介入手术， 需要患者局部麻醉躺在手术台上，医生通过血管造影机，通过特制定型的 心导管经皮穿刺入手腕的桡动脉或大腿的股动脉，然后探寻左或右冠状动 脉口插入，注入造影剂，使冠状动脉显影。这样就可清楚地将整个左或右冠状动脉的主干及其分支的血管腔显示出来，医生可以了解血管有无狭窄 病灶存在，对病变部位、范围、严重程度、血管壁的情况等做出明确诊断， 决定治疗方案。

版权声明： 本站文章已获出版方或者作者方授权，如需转载，请保留网站地址和作者信息。部分文章来源于网络，著作权归于原作者，仅供学习交流使用。

很赞哦！ ( )