基于人工智能的冠状动脉造影实时狭窄识别与定量分析系统研发

来自两家三级甲等医院的研究团队开发了一种实时深度学习系统，用于冠状动脉造影中狭窄病变的自动检测与定量分析。该系统整合血管类型分类、关键帧选择、病变检测、血管分割和定量冠状动脉造影(QCA)五大模块，在内外数据集上血管分类准确率达96.33%/94.19%，病变检测召回率/精确度达0.93/0.89，全流程可在2分钟内完成，临床满意度超80%，为介入治疗决策提供了智能化解决方案。

　　

这项突破性研究构建了人工智能驱动的冠状动脉造影分析系统，如同给介入医师配备了"数字显微镜"。通过2651张血管造影图像的深度学习，该系统能像经验丰富的术者般完成五大关键任务：首先精准识别血管类型（左前降支LAD、左回旋支LCX或右冠状动脉RCA），接着智能筛选最具诊断价值的关键帧，随后以猎鹰般的敏锐度捕捉狭窄病变，再通过精密的血管分割技术勾勒血管轮廓，最终运用定量冠状动脉造影(QCA)算法计算出狭窄程度、病变长度等关键参数。测试数据显示其性能优异——血管分类准确率超94%，病变检测F₁分数达0.89，所有分析在咖啡冷却前（2分钟内）即可完成。更令人振奋的是，80%的临床使用者给予积极反馈，预示着这项技术或将重塑冠心病诊疗流程，让"AI辅助诊断"从概念走向导管室。