综述：人工智能赋能的冠状动脉成像：综述

《Computerized Medical Imaging and Graphics》：Artificial intelligence empowered coronary artery imaging: A review

　　王明志|陈俊新|李浩|张立波|王伟
大连工业大学软件学院，中国大连116621

**摘要**
心血管疾病是全球主要的死亡原因，其中冠状动脉疾病最为普遍。尽管人工智能在医学成像领域取得了进展，但很少有综述专门关注基于人工智能的冠状动脉成像技术。本文系统地分析了人工智能在冠状动脉成像中的应用，涵盖三个领域：测量（包括中心线提取、血管分割和3D重建）；功能评估（包括分数流量储备、壁面剪切应力和心肌灌注）；以及疾病诊断。搜索范围涵盖2016年至2025年的Web of Science、Google Scholar和MEDLINE数据库。从9950篇记录中，经过去重、标题和摘要筛选以及使用预定义标准的质量评估后，最终选择了90项研究。研究涉及的成像技术包括计算机断层扫描（CT）、磁共振成像（MRI）、核医学成像、数字减影血管造影（DSA）、血管内超声、光学相干断层扫描（OCT）和合成数据。不同成像技术的性能因任务和数据集而异。临床应用面临的挑战包括数据集的普适性、计算需求、互操作性和可解释性。本文还讨论了多模态融合、自监督学习、联邦学习等新兴技术，并指出了当前存在的局限性，旨在为研究人员和临床医生提供参考，以推动人工智能在冠状动脉成像领域的进一步发展。

**引言**
冠状动脉为心肌输送富含氧气的血液，对维持心血管功能和整体健康至关重要。心血管疾病仍是全球主要的死亡原因，其中冠状动脉疾病（CAD）占死亡人数的半数以上（Myerburg和Junttila，2012）。准确成像冠状动脉对于CAD的预防、诊断和预后至关重要。人工智能（AI）的快速发展，尤其是机器学习（ML）和深度学习（DL），已影响了许多领域，如自动驾驶（Peng等人，2025）、流体动力学（Ding等人，2023）和机器人技术（Peng等人，2022）。这些进展也为人工智能在冠状动脉成像中的应用开辟了新的机会，体现了AI与传统工程学科的融合（Panayides等人，2020）。改进的测量技术提高了对冠状动脉功能的评估能力，为了解血管变化的临床意义提供了更深入的见解。这些进步有助于更精确的诊断（Chen等人，2022），从而实现早期干预和个性化治疗策略的开发。尽管取得了这些进展，但目前尚无系统性的综述专门聚焦于人工智能在冠状动脉成像中的应用，这为需要基于证据指导的临床医生和研究人员留下了空白。

**冠状动脉成像**
冠状动脉成像对于检测和管理冠状动脉疾病至关重要，因为它可以可视化动脉结构和功能，从而实现及时干预和治疗计划。现有综述并未系统地比较不同成像技术和人工智能技术在测量、功能评估和疾病诊断方面的性能和局限性。目前，基于人工智能的冠状动脉成像主要集中在三个应用领域：测量（包括冠状动脉中心线提取、血管分割和3D重建）；功能评估（包括分数流量储备（FFR）评估、壁面剪切应力（WSS）评估和心肌灌注评估）；以及疾病诊断。主要涉及的疾病包括冠状动脉钙化（CAC）、冠状动脉粥样硬化（CA）和冠状动脉阻塞（CAO）。功能性疾病主要表现为具有临床意义的冠状动脉狭窄（FCS）。

**图1**展示了这些技术在多个维度上如何协同推进冠状动脉成像的发展。测量技术为准确评估提供了基础数据，而精细的评估则提高了对冠状动脉异常的检测和表征能力，进而提高了诊断的准确性。更精确的诊断结果又反过来指导后续的测量和评估，进一步提升了基于人工智能的冠状动脉成像的整体效果。

**研究范围**
本文仅限于2016年至2025年间以英文发表的关于冠状动脉成像的研究。除非这些应用直接支持冠状动脉的评估或诊断，否则不涵盖应用于其他心脏结构（如心肌或瓣膜）的人工智能技术。虽然发现了大量关于心血管成像的综述，但没有一篇专门针对冠状动脉成像的。选择了7篇具有广泛相关性的综述进行比较：

1. **成像技术**：Huang等人（2022）的研究聚焦于血管内成像，Oikonomou等人（2020）关注非侵入性成像，Zamzmi等人（2020）和Jafari等人（2023）分别研究了超声和MRI。本文涵盖了所有用于冠状动脉成像的成像技术。
2. **研究范围**：除了Huang等人（2022）的研究外，Oikonomou等人（2020）、Zamzmi等人（2020）、Jafari等人（2023）、Krittanawong等人（2017）、Sermesant等人（2021）和Al’Aref等人（2019）的研究还涵盖了整个心血管系统，而本文还包括了测量和评估等额外应用。
3. **应用方向**：Oikonomou等人（2020）和Al’Aref等人（2019）的研究侧重于疾病诊断，本文也涵盖了测量和功能评估。
4. **技术层面**：Jafari等人（2023）的研究仅关注深度学习（DL），而本文则探讨了人工智能在冠状动脉成像中的广泛影响，包括机器学习（ML）和深度学习（DL）等其他人工智能技术。

**研究目的**
本文旨在系统地分析人工智能在冠状动脉成像中的应用，综合并比较相关证据，探讨不同成像技术和人工智能技术在测量、功能评估和疾病诊断方面的表现；描述所使用的成像技术和人工智能技术及其性能；识别局限性、临床应用挑战及未来研究方向。

**主要贡献**
1. 本文全面总结了人工智能在冠状动脉成像中的应用，填补了该领域的空白。除了CAD的诊断外，还讨论了人工智能在测量和功能评估方面的应用，并探讨了测量、评估和诊断之间的相互作用及其临床应用。
2. 本文比较了各种冠状动脉成像技术及其相关的人工智能技术，强调了从传统方法向人工智能驱动方法的转变及其对冠状动脉成像的影响。
3. 本文指出了当前人工智能技术的局限性，强调了将其整合到临床实践中的重要性，并提出了进一步研究和开发的方向，以提高诊断准确性并改善患者预后。

**可读性说明**
为便于阅读，本文使用的所有缩写均列于表1中。

**研究方法**
截至2025年7月18日，通过系统搜索在Web of Science、Google Scholar和MEDLINE中共识别出9950篇记录。首先根据标题和摘要对文章进行初步筛选，排除了1215篇重复文章。在第二轮评估中，因与研究主题无关而排除了5813篇文章。在第三轮评估中，根据内容质量和研究深度排除了2832篇文章。

**研究纳入标准**
本综述涵盖了以下成像技术和合成数据来源：
- **成像技术**：每种技术均因支持至少一个人工智能应用领域（测量、功能评估和疾病诊断）而被纳入。

**人工智能在冠状动脉成像中的应用**
- **测量**：人工智能技术如深度学习和图像处理提高了冠状动脉结构的测量精度，增强了诊断准确性和临床决策能力。中心线提取、血管分割和3D重建是冠状动脉测量中最重要的应用。
- **功能评估**：人工智能技术提升了冠状动脉功能的评估能力，为临床医生提供了评估解剖学测量之外的功能方面的工具。
- **疾病诊断**：人工智能已被用于CAD的诊断，提高了医学成像的准确性和效率。

**讨论**
人工智能在冠状动脉成像中的应用是一项重要但具有挑战性的任务。本文总结了主要发现，指出了当前的研究局限性和矛盾之处，并讨论了现有方法和技术在临床应用中的前景及未来研究方向。

**结论**
本文综合了人工智能在冠状动脉成像中的应用证据，涵盖了测量、功能评估和疾病诊断三个方面。在测量方面，研究显示人工智能在中心线提取、血管分割和3D重建方面的性能优异，尽管证据多为单中心研究且指标存在差异。在功能评估方面，人工智能和混合AI-CFD方法在FFR、WSS和心肌灌注评估方面表现出良好的准确性。

**作者贡献**
王明志：撰写与编辑、初稿撰写、软件开发、方法学设计、数据整理、概念构建
陈俊新：撰写与编辑、初稿撰写、项目监督、方法学设计、资金申请、概念构建
李浩：可视化处理、结果验证、方法学设计、数据整理、概念构建
张立波：撰写与编辑、结果验证、项目管理、数据分析

**资金支持**
本研究由中国国家自然科学基金（项目编号62171114）和小米青年人才计划资助。

**利益冲突声明**
作者声明没有已知的可能影响本文研究的财务利益或个人关系。