对主动脉根部计算机断层扫描血管造影的分割与评估-CVpilot人工智能系统的临床意义探讨.pdf

58心肺血管病杂志 2024 年 1 月第 43 卷第 1 期 Journal of Cardiovascular&Pulmonary Diseases,January 2024,Vol.43,No.1DOI:10.3969/j.issn.1007-5062.2024.01.011对主动脉根部计算机断层扫描血管造影的分割与评估-CVpilot 人工智能系统的临床意义探讨黄晓斌陈谦柴浩叶鹏谢光辉徐辉马琛明张海波陈国中作者单位：210006 南京医科大学附属南京医院 南京市第一医院（黄晓斌 陈谦 谢光辉 徐辉 陈国中），胸外科（柴浩），心内科（叶鹏）；拓微摹心数据科技（南京）有限公司（马琛明）；首都医科大学附属北京安贞医院-北京市心肺血管疾病研究所 心外科(张海波)通信作者：陈国中，教授，影像学专业博士，主要研究方向为心血管疾病的多模态影像诊疗。Email：摘要 目的：通过评价 CVpilot 人工智能系统工作站与 3mensio 及 Volume Viewer 工作站的计算机断层扫描血管造影图像分析结果，从而探究该人工智能系统工作站在完成临床评估中主动脉根自动分割与评估的实用性和指导意义。方法：本回顾性单中心研究纳入 2022 年 11 月至 2023 年 4 月，接受经导管主动脉瓣置换术（transcatheter aortic valve replacement，TAVR）的 113 例患者的主动脉根部计算机断层扫描血管造影图像，分别使用使用 3mensio、Volume Viewer 工作站以及 CVpilot 人工智能系统工作站进行 TAVR 术前的评估分析。对三组评估结果和质量进行专家的主观评价以及客观的测量结果分析。结果：在 CVpilot 人工智能系统工作站的专家主观评价结果中，与 3mensio 工作站相比，91.2%的患者（n=103）达到级，6.2%的患者（n=7）达到 II 级，2.6%的患者（n=3）达到 I 级；与Volume Viewer 工作站相比，92.0%的患者（n=104）达到级，5.4%的患者（n=6）达到 II 级，2.6%的患者（n=3）达到 I 级。在客观的测量结果统计学分析中，CVpilot 人工智能系统工作站的测量结果与3mensio工作站（P均 0.05）或Volume Viewer工作站（P均 0.05）的测量结果，差异无统计学意义。结论：以上结果表明，CVpilot 人工智能系统工作站具有良好的有效性和可靠性，可以准确完成主动脉根部的分割和关键解剖结构的测量，从而可以有效提升 TAVR 术前评估的临床效率。关键词 主动脉瓣；经导管主动脉瓣置换术；计算机断层扫描；深度学习；CVpilot中图分类号 R54 文献标志码 A 文章编号 1007-5062（2024）01-058-05Segmentation and evaluation of computed tomography angiography of aortic root:discussion on clinical significance of CVpilot artificial intelligence system HUANG Xiaobin,CHEN Qian,CHAI Hao,YE Peng,XIE Guanghui,XU Hui,MA Shenming,ZHANG Haibo,CHEN Guozhong Department of Medical Imaging,Nanjing First Hospital,Najing 210006,ChinaAbstractObjective:To evaluate the computed tomography angiographic image analysis results of CVpilot artificial intelligence system workstation,3mensio and Volume Viewer workstation,so as to explore the practicability and guiding significance of this artificial intelligence system workstation in the clinical evaluation of aortic root automatic segmentation and evaluation.Methods:The retrospective single-center study included computed tomography angiography of aortic root in 113 patients who underwent transcatheter aortic valve replacement(TAVR)from November 2022 to April 2023.3mensio,Volume Viewer workstation and CVpilot artificial intelligence system workstation were used to evaluate before TAVR.The evaluation 临床论著59心肺血管病杂志 2024 年 1 月第 43 卷第 1 期 Journal of Cardiovascular&Pulmonary Diseases,January 2024,Vol.43,No.1quality of the three groups were assessed subjectively by experts and analyzed objectively.Results:Compared with 3mensio workstation,91.2%of patients(n=103)reached Grade III,6.2%of patients(n=7)reached Grade II,and 2.6%of patients(n=3)reached Grade I.Compared with the Volume Viewer workstation,92.0%of patients(n=104)achieved Grade III,5.4%of patients(n=6)achieved Grade II,and 2.6%of patients(n=3)achieved Grade I.In the statistical analysis of objective measurements,there was no significant difference between the measurements of CVpilot artificial intelligence system workstation and those of 3mensio workstation(all P 0.05)or Volume Viewer workstation(all P 0.05).Conclusions:The above results show that the CVpilot artificial intelligence system workstation has good effectiveness and reliability,and can accurately complete the segmentation of the aortic root and the measurement of key anatomical structures,so as to effectively improve the clinical efficiency of the preoperative evaluation of TAVR.Keywords Aortic valve;Transcatheter aortic valve replacement;Computed tomography;Deep learning;CVpilot经导管主动脉瓣置换术（transcatheter aortic valve replacement，TAVR）在治疗主动脉瓣疾病患者的安全性和有效性已经得到多项随机对照试验的证实1-3。目前，该术式已成为除外科主动脉瓣置换术外治疗该类患者的另一种选择而被广泛应用。在术前影像评估中，CTA 作为主要的常规评估手段之一在识别解剖结构、确定生物瓣膜型号、预估手术并发症中发挥重要作用。然而，常规 TAVR 术前的 CTA 评估以 3mensio 工作站（Pie Medical Imaging BV，Maastricht,the Netherlands）或 Volume Viewer 工 作 站（GE Medical Systems SCS，BUC,France）为主4。除需要专业工程师进行软件操作外，对于数据结果的分析及评判既耗费时间，也存在一定的误差，进而会影响 TAVR的实际效果4。当前，国内针对 TAVR 患者的通过深度学习方法实现快速、准确的主动脉根自动分割与评估的实用软件与临床研究仍然较少。本研究旨在评价 CVpilot 人工智能系统工作站与3mensio 及 Volume Viewer 工作站的计算机断层扫描血管造影图像分析结果，从而探究该人工智能系统工作站在完成临床评估中主动脉根自动分割与评估的实用性和指导意义。资料和方法1.研究对象 本回顾性单中心研究纳入了南京市第一医院的自 2022 年 11 月至 2023 年 4 月，117 例接受 TAVR 术的患者。TAVR 患者的纳入标准为：症状性中度及以上的主动脉瓣狭窄患者，主动脉瓣有效瓣口面积 1.0 cm2；主动脉瓣平均跨 瓣 压 差 40 mmHg（1 mmHg=0.133 kPa）；NYHA 心功能分级 III 级。排除标准为：术前CTA 显示 AS 患者的主动脉根部内径40 mm；患者预期寿命 1 年；近 1 个月内发生急性心肌梗死；合并肥厚型梗阻性心肌病；经食道超声心动图（transesophageal echocardiography，TTE）显左心室流出道梗阻，心室内血栓或赘生物等；合并感染性心内膜炎；其他不适合 TAVR 的情况。同时，研究者排除了伪影或图像对比度差而导致的图像质量差的 4 例患者。最终，本研究分析了 113例 TAVR 患者的 CTA 图像。其中，男性患者 64例（56.6%），平均年龄（72.46.8）岁。本研究方案由本院伦理委员会批准（伦理委员会批件号：No.KY20230106-01-KS-01），所有患者数据均进行脱敏处理。2.检查方法 所有患者采用西门子双源 CT扫描机（Definition Flash,Siemens Healthcare,Forchheim,Germany），扫描参数包括：准直器宽度 128 mm0.6 mm。使用最佳收缩期重建轴向图像，层厚为 0.75 mm。3.常规 CTA 图像分析 结构性心脏病专家使用3mensio 工作站或 Volume Viewer 工作站进行 TAVR60心肺血管病杂志 2024 年 1 月第 43 卷第 1 期 Journal of Cardiovascular&Pulmonary Diseases,January 2024,Vol.43,No.1术前建模。所有患者 CT 图像均为 DICOM 格式，并转移至 3mensio 工作站和 Volume Viewer 工作站上，由结构性心脏病专家 1（专业工作经验 6.7 年）进行评估，并由结构性心脏病专家 2（专业工作经验 12.3 年）重新评估专家 1 的测量值。随后，取两位专家测量结果的平均值计入统计并分析。4.CVpilot 人工智能系统工作站图像分析 在专业工程师的指导下，所有 CTA 图像序列由放射科医师使用 CVpilot 人工智能系统工作站直接分析主动脉根部的解剖结构。分割内容包括升主动脉、主动脉瓣、钙化和左心室。5.专家主观评价与客观的测量评估 专家的主观评价指标如下5：III 级，结构性心脏病专家接受分割结果，主动脉壁、瓣膜、钙化可视化优秀，建模质量较好或相当；II 级，主动脉壁、瓣膜、钙化可视化良好，有微小的伪影，但足以诊断，建模质量略有下降；I 级，问题严重，不足以诊断，或可能导致误诊，建模质量较差。此外，分别评估每名患者主动脉瓣环平均直径、左心室流出道平均直径、窦管交界平均直径以及左、右冠状动脉高度以实现客观图像的测量与分析。6.统计学方法 使用 SPSS 26.0 完成。使用Kolmogorov-Smirnov 检验评估分布的正态性。符合正态分布的计量资料采用平均值标准差表示，比较采用方差分析。分类数据的结果以频数（率）表示，并使用 Fisher 精确检验比较分类变量。以P0.05 为差异有统计学意义。结 果1.专家主观评价 在 CVpilot 人工智能系统工作站的专家主观评价结果中，与 3mensio 工作站相比，91.2%的患者（n=103）达到 III 级，6.2%的患者（n=7）达到 II 级，2.6%的患者（n=3）达到I 级；与 Volume Viewer 工作站相比，92.0%的患者（n=104）达到 III 级，5.4%的患者（n=6）达到 II 级，2.6%的患者（n=3）达到 I 级（图 1）。所有达到 III 级的病例中，主动脉壁、瓣叶边界以及升主动脉分割清晰，钙化分布准确，建模质量良好。在达到 II 级的病例中，CVpilot 人工智能系图 1 CVpilot 与 3mensio、Volume Viewer 工作站的图像 AC：3mensio 工作站主动脉根部图像；DF：Volume Viewer 工作站主动脉根部图像；GI:CVpilot 人工智能系统工作站分割重建图像61心肺血管病杂志 2024 年 1 月第 43 卷第 1 期 Journal of Cardiovascular&Pulmonary Diseases,January 2024,Vol.43,No.1统工作站自动分割得到的主动脉根部主要解剖形态匹配 3mensio 工作站以及 Volume Viewer 工作站的分析结果，但由于图像中存在微小伪影继而导致建模质量略有下降。然而，在 3 例评价为 I 级的病例中，1 例瓣叶出现了过度分割；2 例患者由于存在二叶式主动脉瓣解剖畸形且存在严重钙化，从而导致瓣叶出现分割欠缺。2.客观图像质量分析 客观图像质量分析以 2位结构性心脏病专家评估结果的平均值为准。与3mensio 工作站比较的统计结果表明，CVpilot 人工智能系统工作站评估的主动脉瓣环平均直径、左心室流出道平均直径、窦管交界平均直径以及左、右冠状动脉高度；具有相似的结果，差异无统计学意义（P 0.05）。与 Volume Viewer 工作站比较的统计结果表明，CVpilot 人工智能系统工作站评估的主动脉瓣环平均直径、左心室流出道平均直径、窦管交界平均直径以及左、右冠状动脉高度；同样具有相似的结果，差异无统计学意义（P0.05）。讨 论在本研究中，我们提出通过使用基于深度学习方法的 CVpilot 人工智能系统工作站完成对 CTA图像中的主动脉根部解剖结构的分割与测量评估。该工作站经与 3mensio 工作站和 Volume Viewer 工作站比较，能够可靠分割主动脉根部解剖结构，并可以对关键解剖标志实现准确测量，因此具有良好的临床价值与意义。2002 年，法国鲁昂大学 Cribier 等6首次应用经导管主动脉瓣置换术 TAVR 在人体植入主动脉瓣获得成功，开启了主动脉瓣经导管置换的新时代。经过 20 年的发展，其安全性和有效性已得到大量临床研究证实，是主动脉瓣狭窄与关闭不全患者的可靠治疗手段1-3，7-8。然而，相比欧美国家每年近 30 万例的手术量，我国 TAVR 领域仍处于起步阶段。同时，我国主动脉瓣疾病患者中二叶瓣、严重钙化、单纯反流等挑战性解剖的比例显著高于欧美国家，瓣环破裂、冠状动脉阻塞、瓣周漏、III度房室传导阻滞、外周血管损伤、血栓及瓣膜移位等诸多并发症依旧困扰着此项技术的开展和普及。此外，当前国内多数心脏中心 TAVR 影像评估水平参差不齐，学习曲线较长，因此如何实现影像评估精准化成为亟待解决的重要临床问题之一。结合眼下全球 TAVR 影像评估发展态势，以人工智能特别是深度学习已成为发展的热点和焦点。相较于传统算法，深度学习在易开发性、灵活性、分割准确性、算法泛化性以及运算速度方面均取得了明显优势9。尤其以卷积神经网络为代表的神经网络架构已成为影像分割、关键目标检测、模板匹配的重要工具和技术基石10-11。人工智能表 1 CVpilot 与两个工作站的图像客观测量结果比较（s）3mensio 主动脉瓣环平均直径/mm 左心室流出道平均直径/mm 窦管交界平均直径/mm 左冠状动脉高度/mm 右冠状动脉高度/mmVolume Viewer 主动脉瓣环平均直径/mm 左心室流出道平均直径/mm 窦管交界平均直径/mm 左冠状动脉高度/mm 右冠状动脉高度/mm0.6320.7710.8580.9270.7930.8140.8750.6460.7290.8331.491.311.181.081.291.261.141.481.371.2324.4 3.624.8 4.232.0 4.812.8 2.717.1 3.524.1 3.524.6 3.631.7 4.712.6 2.016.8 3.924.7 4.025.0 4.432.4 5.513.0 2.817.4 4.024.5 3.824.9 4.132.2 5.212.9 2.217.2 3.624.2 4.324.7 4.632.1 5.412.9 2.617.1 3.724.2 4.324.7 4.632.1 5.412.9 2.617.1 3.7变量P值F值专家 1专家 2CVpilot62心肺血管病杂志 2024 年 1 月第 43 卷第 1 期 Journal of Cardiovascular&Pulmonary Diseases,January 2024,Vol.43,No.1诊断系统不仅单纯面向影像，基于合适的影像给出诊断建议，还能够大幅提高影像和检验科室的工作效率和质量，为减少患者等待时间、提高诊断效率发挥了重要作用10-11。然而，在 TAVR 领域，目前尚未出现商品化的成熟软件，多为早期探索性研究。Astudillo 等12提出使用卷积神经网络进行关键点检测定位主动脉窦窦底和冠脉开口。Meyer 等13通过比对半自动和全自动分割软件确认机器学习在 TAVR 相关应用领域测量参数的准确性。以上研究对于复杂的主动脉根部解剖结构进行了初步探索性的研究，但存在瓣叶表型欠缺、分割结果不全面、解剖参数精准性欠佳等局限性。本研究结果表明，基于 nnUnet 深度学习分割而构建的 CVpilot 人工智能系统工作站能够精准分割主动脉根部结构并完成关键解剖标志的准确测量：一方面，与 3mensio 及 Volume Viewer 工作站的分析结果相比，分别有 91.2%和 92.0%的患者CTA 图像达到 III 级标准建模质量良好，在初步的临床应用表现出较好的可靠性；此外，所有达到 II级患者的 CTA 图像均由于原始 CTA 图像存在不同程度的尾影导致建模质量欠佳。另一方面，运用CVpilot 人工智能系统工作站得到的关键解剖标志测量结果也与 3mensio 及 Volume Viewer 工作站的测量结果相似，进一步说明了该工作站或许可以在TAVR术前建模过程中发挥更重要的作用。综上，CVpilot 人工智能系统工作站可以对主动脉根部完成快速、准确的自动分割，为个体化三维重建和术前形态评估提供可靠保证。参考文献1Smith CR,Leon MB,Mack MJ,et al.Transcatheter versus surgical aortic-valve replacement in high-risk patientsJ.N Engl J Med,2011,364(23):2187-2198.2Leon MB,Smith CR,Mack MJ,et al.Transcatheter or surgical aortic-valve replacement in intermediate-risk patientsJ.N Engl J Med,2016,374(17):1609-1620.3Mack MJ,Leon MB,Thourani VH,et al.Transcatheter aorticvalve replacement with a balloon-expandable valve in low-risk patientsJ.N Engl J Med,2019,380(18):1695-1705.4QueirosS,Dubois C,MoraisP,et al.Automatic 3D aortic annulus sizing by computed tomography in the planning of transcatheter aortic valve implantationJ.J CardiovascComputTomogr,2017,11(1):25-32.5Menzel H,Schibilla H,Teunen D.European guidelines on quality criteria for computed tomography M.Luxembourg:European Commission,2000,16262.6Cribier A,Eltchaninoff H,Bash A,et al.Percutaneous transcatheter implantation of an aortic valve prosthesis for calcific aortic stenosis:first human case description J.Circulation,2002,106(24):3006-3008.7刘毅,邓丽,曹勇,等.经导管主动脉瓣膜植入术的临床治疗 及应用进展 J.心肺血管病杂志,2021,40(11):1175-1178.8王云涛,王立成,李少珂,等.高危主动脉瓣狭窄者经导管主 动脉瓣置换与外科主动脉瓣置换术的短期临床疗效分析 J.心肺血管病杂志,2021,40(8):832-836.9Zhong G,Wang LN,Ling X,et al.,An overview on data representation learning:From traditional feature learning to recent deep learningJ.J Finan Data Sci,2016,2(4):265-278.10Han D,Liu J,Sun Z,et al.Deep learning analysis in coronary computed tomographic angiography imaging for the assessment of patients with coronary artery stenosisJ.Comput Methods Programs Biomed,2020,196:105651.11Fu F,Wei J,Zhang M,et al.Rapid vessel segmentation and reconstruction of head and neck angiograms using 3D convolutional neural networkJ.Nat Commun,2020,11(1):4829.12 Astudillo P,Mortier P,Bosmans J,et al.Automatic detection of the aortic annular plane and coronary ostia from multidetector computed tomographyJ.J Interv Cardiol,2020,2020:9843275.13Meyer A,Kofler M,Montagner M,et al.Reliability and influence on decision making of fully-automated vs.semi-automated software packages for procedural planning in TAVI J.Sci Rep,2020,10(1):10746.（2023-07-17 收稿）（本文编辑 吴桂贤）