编辑推荐：
冠状动脉狭窄（CAS）危害极大，分数血流储备（FFR）是诊断冠心病中度狭窄的 “金标准”，但传统 FFR 测量有创且风险高。研究人员提出 Bi-VesTreeFormer 框架用于冠状动脉 vFFR 估计，在模拟和真实数据上表现出色，超越现有方法，为无创评估 CAS 提供新途径。
在心血管疾病的诊疗领域，冠状动脉狭窄（CAS）是一个不容忽视的 “健康杀手”。它就像道路上的 “拥堵路段”，阻碍着心脏的 “血液交通”，一不小心就可能引发心力衰竭、心律失常，甚至导致猝死。目前，分数血流储备（FFR）作为评估冠状动脉狭窄功能意义的 “黄金标准”，能精准预测狭窄部位的血液供应情况，辅助医生判断是否需要进行支架植入等干预措施。然而传统的 FFR 测量方式却像一场 “冒险”，不仅要给患者注射血管扩张药物，还得使用额外的导丝，这不仅增加了患者的风险，还让医疗成本蹭蹭上涨。
随着科技的发展，基于计算流体动力学（CFD）的虚拟 FFR（vFFR）技术出现了，它不用再让患者承受有创检查的痛苦，大大降低了风险。但这项技术也有自己的 “短板”，计算过程复杂又耗时，就像蜗牛爬行一样缓慢，通常需要几个小时才能得出结果，而且对操作人员的专业水平要求极高，这使得它很难在临床上广泛应用。后来，深度学习技术的兴起让人们看到了新希望，不少研究尝试用它来解决 vFFR 耗时久的问题。但现有的 vFFR 方法大多依赖手工制作的特征，在捕捉血管结构中的长距离依赖关系方面困难重重，就像在错综复杂的血管迷宫里迷失了方向。
为了突破这些困境，国内的研究人员勇挑重担，开展了一项极具创新性的研究。他们提出了一种全新的框架 ——Bi-VesTreeFormer，专门用于冠状动脉 vFFR 的估计。这项研究成果意义非凡，它就像是为心血管疾病的无创评估打开了一扇新的大门，在医学领域引起了广泛关注，并发表在了《Computerized Medical Imaging and Graphics》杂志上。
在研究过程中，研究人员运用了多个关键技术方法。首先，他们借助 Slicer 3D 和 VMTK 软件从原始血管中提取中心 line 数据（包括坐标和相应半径），并根据分支点将血管树分割成不同分支。接着，引入双向拓扑感知 Transformer 网络（Bi-VesTreeFormer），自动提取血管树的拓扑狭窄特征。同时，设计了上下文 vFFR 解码器，建立相邻分支 FFR 值之间的相关性，实现 FFR 值到潜在向量空间的稳定映射。此外，研究人员收集了 43 例冠状动脉狭窄患者的 FFR 数据，并利用降阶血流动力学模型模拟了 15000 个冠状动脉中心 line 数据，为研究提供了丰富的数据支持。
下面来看具体的研究结果：
- 实验评估：研究人员在合成数据集和真实患者数据集上对所提框架进行了评估，并与经典方法和当前最先进（SOTA）的方法进行对比。结果显示，该框架在模拟数据上的均方根误差（RMSE）为 0.038，在真实数据上为 0.048，超越了其他方法。
- 消融实验：以 Transformer 为基线进行消融实验，验证了所提框架中每个模块的有效性。这表明 Bi-VesTreeFormer 和上下文 vFFR 解码器在提升 vFFR 预测精度方面发挥了关键作用。
在研究结论和讨论部分，研究人员提出的这个框架成功实现了对复杂结构血管的自动特征提取，在真实数据集上达到了令人满意的精度。Bi-VesTreeFormer 能够自动提取血管树特征，建立上下游分支之间的依赖关系；上下文 vFFR 解码器则有效捕捉了 FFR 值之间的关联。与其他方法相比，该框架优势明显，为无创评估冠状动脉狭窄提供了更可靠、高效的手段，有望推动心血管疾病诊断技术的进步，让更多患者受益于精准的医疗服务。不过，研究也存在一些局限性，如数据样本量还可以进一步扩大，模型的泛化能力仍有提升空间等。未来，研究人员可以朝着这些方向继续探索，让这项技术更加完善，为心血管健康保驾护航。
