基于深度学习的腹主动脉瘤腔内修复术后血栓智能分析与长期监测临床决策支持系统

本研究针对腹主动脉瘤(AAA)腔内修复术(EVAR)后并发症监测的临床痛点，开发了集成Mask R-CNN与U-Net++的智能决策支持系统(CDSS)。该系统通过自动化血栓区域(ROI)检测分割和纵向知识探索模块，在48例患者CTA影像中实现高精度分析(26.446秒/例)，并作为3D Slicer插件发布，为临床提供高效可靠的术后监测工具。

　　

腹主动脉瘤(Abdominal Aortic Aneurysm, AAA)被称为人体内的"定时炸弹"，这种血管局部异常扩张的疾病一旦破裂，死亡率高达80%。虽然腔内修复术(Endovascular Aneurysis Repair, EVAR)通过植入支架型人工血管显著降低了手术风险，但术后并发症如内漏(Endoleak)和支架移位等问题仍困扰着临床——数据显示近1/4患者需要二次干预。更棘手的是，传统监测依赖医生手动分析计算机断层扫描血管造影(Computed Tomography Angiography, CTA)图像中的血栓变化，既耗时又易受主观影响。

针对这一临床困境，来自韩国嘉泉大学吉尔医学中心的研究团队在《Knowledge-Based Systems》发表创新成果。他们联合两位资深影像专家，开发了首个集成人工智能的临床决策支持系统(Clinical Decision Support System, CDSS)。该系统采用双模型架构：先通过轻量化Mask R-CNN实现血栓区域(Region of Interest, ROI)快速定位，再结合U-Net++完成亚毫米级精确分割。特别设计的纵向知识探索模块能自动追踪血栓演变，并量化评估破裂风险。研究团队从2012-2020年收集的48例患者数据验证显示，系统处理单次CTA仅需26秒，准确率显著优于5种对照模型。

CDSSs based on 3D Slicer
系统基于开源平台3D Slicer开发，充分利用其医学影像处理模块库，实现了即插即用的临床部署方案。这种设计显著降低了医院信息化系统的接入门槛。

Overview of Our CDSS for Post-operative AAA
以1例EVAR术后血栓扩大的典型病例展示系统功能。通过三时点CTA动态分析，系统不仅自动标注血栓ROI，还能生成三维体积变化曲线，直观呈现"支架-血栓-血管"的时空关系。

Clinical Evaluation Datasets for Post-operative AAA
研究采用西门子5代CT扫描仪获取的异构数据，包含SOMATOM Definition Edge等设备采集的影像，有效验证了系统的设备兼容性。两位资深医师对ROI标注进行仲裁，确保金标准(Gold Standard, GT)可靠性。

Detection of Thrombus ROIs
轻量化Mask R-CNN以0.005的微小差距仅次于原版模型，但参数量减少37%。与专用检测网络DetectNet相比，其假阴性率(FN)降低0.021，证明其在敏感性与效率间的卓越平衡。

Our Image Processing Module
模块实现端到端自动化分析，无需人工干预。在CPU环境26秒的处理速度满足临床实时需求，且准确率保持稳定。专家评审认为该系统显著提升了诊断流程标准化程度。

Conclusion and Future Works
这项研究开创性地将深度学习与临床工作流深度融合。系统不仅解决单时点图像分析问题，更突破性地实现纵向演变追踪。其3D Slicer插件形式保障了临床可及性，标准笔记本即可运行的设计颠覆了传统AI医疗系统对高端硬件的依赖。未来通过多中心验证，该系统有望成为EVAR术后监测的新标准。

值得注意的是，研究团队特别强调系统的临床适用性设计：界面同步显示关键诊断指标，内漏检测等临床关注点均通过色彩编码突出显示。这种"AI+临床思维"的双重验证模式，既发挥算法优势，又尊重医学决策逻辑，为医疗AI产品化提供了范本。随着EVAR手术量持续增长，这种高效、精准且可解释的决策支持工具，或将改写数万患者的长期随访命运。