Page 146 - 南京医科大学自然版

南京医科大学学报（自然科学版） 第44卷第8期
·1174 · Journal of Nanjing Medical University（Natural Sciences） 2024年8月

·综 述·

基于CT图像的深度学习在主动脉夹层中的应用进展

唐蛰雨，李绍钦，贾中芝 *
南京医科大学附属常州第二人民医院介入血管科，江苏 常州 213003

［摘 要］ 主动脉夹层（aortic dissection，AD）是一种临床上常见的急症，快速、精准的诊治直接关系AD患者的预后，具有一定
的挑战性。近年来，基于CT图像的深度学习在辅助AD诊治方面的应用日益增多，尤其在AD的识别、分割以及预测患者预后
方面，为AD的临床诊治决策提供了重要价值。为了更好地掌握基于CT图像的深度学习在AD中的应用，本综述将总结与讨
论目前深度学习在AD诊治中的应用、存在的问题及潜在的优化策略。
［关键词］ 主动脉；夹层；深度学习；CT
［中图分类号］ R814.42 ［文献标志码］ A ［文章编号］ 1007⁃4368（2024）08⁃1174⁃05
doi：10.7655/NYDXBNSN240292

The application progress of deep learning based on CT images in aortic dissection
TANG Zheyu，LI Shaoqin，JIA Zhongzhi *
Department of Interventional and Vascular Surgery，the Affiliated Changzhou No.2 People’s Hospital of Nanjing
Medical University，Changzhou 213003，China

［Abstract］ Aortic dissection（AD）is a critical emergency，where rapid and accurate diagnosis and treatment significantly influence
the prognosis of AD patients. However，achieving such precise and swift diagnosis and treatment poses substantial challenges. In recent
years，the application of deep learning based on CT images in assisting the diagnosis and treatment of AD has increasingly gained
prominence，particularly in the identification，segmentation，and prediction of patient outcomes，thereby offering significant value for
clinical decision⁃making in AD management. To better understand the application of deep learning based on CT images in AD，this
review will summarize and discuss the current applications，existing challenges，and potential optimization strategies of deep learning
in the diagnosis and treatment of AD.
［Key words］ aorta；dissection；deep learning；CT
［J Nanjing Med Univ，2024，44（08）：1174⁃1178］

主动脉夹层（aortic dissection，AD）是临床上常 用受限，如肾功能不全的患者 ［3-6］ 、碘造影剂过敏的
［7］
见的一种大血管疾病，具有发病急、死亡率高的特 患者，以及部分落后地区增强CT使用受限 ，因此，
点 ［1-2］ 。早诊早治是改善 AD 患者预后的关键。AD 这类患者的AD筛查存在一定的挑战性；此外，放射
的诊断主要依靠影像学检查，尤其是增强 CT，其可 科医生在解读增强 CT 图像时存在认知差异，因此，
以显示AD的关键影像学特征，在AD的诊断中发挥 在AD的快速精准诊断、特征分析、预后评估等方面
着至关重要的作用。由于增强 CT 在部分情况下使 也存在一定的差异。基于以上背景，迫切需要寻找
更高效和准确的辅助诊断方法。
深度学习（deep learning，DL）是机器学习的一
［基金项目］ 国家自然科学基金（81401498）；中国博士后科
个分支，它通过模拟人脑处理数据的方式来分析复
学基金（2023M730371）；南京医科大学常州医学中心项目
［8］
杂影像 。DL的出现为基于影像学的AD诊断提供
（CMCC202206，CMCB202304）
［9］
∗ 了强大的辅助工具 。DL通过高效学习海量影像数
通信作者（Corresponding author），E⁃mail：jiazhongzhi.1998@
163.com 据、自动识别图像中的关键特征，不但有助于AD 的