编辑推荐：
非增强磁共振冠状动脉造影（MRCA）用于冠心病筛查前景良好，但受低空间分辨率等限制，冠状动脉自动分割困难。研究人员利用 nnU - Net 模型开展相关研究，在验证和测试中都取得不错的分割成绩，这为冠心病检测提供无创筛查工具。
非增强磁共振冠状动脉造影（MRCA）是一种很有前景的冠心病筛查方式。然而，它存在一些固有缺陷，比如空间分辨率低，冠状动脉与周围组织之间的对比度不足，这些问题阻碍了临床应用，也让冠状动脉的快速自动分割难以实现。
为了解决这些难题，研究人员采用了一种基于深度学习的自配置方法，用于自动分割 MRCA 图像中的冠状动脉。研究人员使用 134 名受试者的 MRCA 数据对 nnU - Net 模型进行训练，并用 114 名受试者的数据进行测试。两名放射科医生对所有分割出的动脉进行定性评估，结果显示分割效果良好至优秀。
研究以 114 名测试受试者的冠状动脉计算机断层扫描血管造影（CCTA）数据作为金标准，具体对比了手动和人工智能测量 MRCA 图像得到的冠状动脉分支数量、总分支长度，以及冠状窦底部到相应主要冠状动脉起源处的距离，并与 CCTA 得到的数据进行对比。
实验结果表明，在验证阶段，nnU - Net 能够准确地从 MRCA 图像中进行分割，主要冠状动脉和主动脉的 Dice 评分分别达到 0.903 和 0.962。在测试阶段，nnU - Net 对主要冠状动脉和主动脉的 Dice 评分分别为 0.726 和 0.890 。
将 MRCA 与 nnU - Net 相结合来提取冠状动脉，为冠心病检测提供了一种无创的筛查工具，有望提高早期检测水平，减少对 CCTA 的依赖。
