Page 148 - 南京医科大学自然版
P. 148

第44卷第8期
               ·1176 ·                           南 京    医 科 大 学 学         报                        2024年8月


              时间，使临床医生能够在紧急情况下更迅速地做出                            入洞察，从而有助于改善患者的长期管理和治疗结
              反应。                                               果。随着技术的进一步发展和优化，DL有望在心血
                  从单张图像的分割到更复杂的 3D 图像处理，                        管疾病的临床诊断和治疗中扮演更加重要的角色。
              DL 的应用范围正在不断扩大，一些研究探索了 3D
                                                                5 DL在AD中的应用挑战与前景
              图像处理技术在AD分割和测量中的应用。研究人
              员回顾性收集了 191 例 AD 患者的 CT 血管造影（CT                        DL 在 AD 中的应用展现出巨大潜力，但同时也
              angiography，CTA）图像，并使用先进的 3D U⁃Net（一              面临着一定的挑战。这些挑战不仅涉及技术层面，
              种 DL 算法，是 U⁃Net 的一个变种，能够处理三维数                     还包括数据处理和临床实践方面。一方面，DL算法
              据）手动分割每张图像，这意味着它不仅可以处理                            的“黑箱”性质使其在医疗应用中的透明度和可解
              单个 2D 图像，还可以处理一系列连续图像，从而构                         释性受到限制。这在 AD 的诊断和治疗中尤为关
              建出整个主动脉的三维形态。该研究得到的模型                             键，因为临床医生需要理解模型是如何进行决策
              的Dice相似系数为0.95，平均表面距离为0.76，显示                     的。为此，研究者们正在探索新的方法来提高 DL
              出不同节段间的高度一致性              ［26］ 。这种方法可以更           模型的解释能力。目前，研究人员通过计算 SHAP
              准确地捕获和量化主动脉的复杂结构，特别是存在                           （shapley additive explanations）值 ［28］ 、简化算法、建立
              病变时，3D 比 2D 分割更能精确地反映实际的解剖                        决策树等方法提高模型的可解释性。另一方面，由
              结构。通过这种方式，能够在三维空间中精确地定                            于 AD 相关数据往往来源于单一医疗中心，且样本
              位和量化健康及病变的主动脉，从而提供比2D图像                           量有限，这限制了模型的泛化能力和准确性。有研
              分割更丰富的空间信息。                                       究展示了半自动分割方法在处理这一问题时的有
                  基于以上研究，DL技术通过精确的图像分割和                         效性  ［29］ ，通过减少人为分割差异和加速分割过程，
              直径测量，为主动脉疾病的手术治疗提供了关键数                            提高了模型的性能。
              据支持，使得手术规划更为精确，对指导AD患者的                                对于DL在AD中的未来发展，有几个关键研究
              临床治疗决策有着积极意义。                                     方向值得关注。首先，提高算法的可解释性是一个
                                                                重点。随着医疗决策对精确度和可靠性的要求不
              4 DL在检测AD术后内漏发生与预测预后中的应用
                                                                断提高，临床医师越来越需要理解模型的决策过
                  DL 在检测 AD 腔内修复（endovascular aneurysm          程。其次，低辐射检测技术的开发将是未来研究的
              repair，EVAR）术后内漏方面也显示出极大的潜力。                      重要方向。在AD诊断中减少对造影剂的依赖并降
              有研究纳入了50例术后出现内漏的患者和20例术                           低辐射，将有助于降低患者的疾病风险。再者，个
              后未出现内漏患者的 CTA 图像，使用 DL 方法开发                       性化治疗和风险预测将成为AD治疗和管理的重要
              了一个用于检测内漏的模型，该模型的性能显著优                            研究方向。DL算法可以通过分析大量患者数据，包
              于普通放射科医生，且与放射科专科医生相当 。该                           括遗传信息、生活方式和病史等，来提供更精确的
                                                     ［27］
              研究表明：DL可能在临床实践中辅助临床医生解读                           疾病风险评估和治疗效果预测。除此之外，迁移学
              EVAR 术后的 CTA 图像，提高对内漏诊断的准确性                       习也是值得关注的研究方向之一，通过迁移学习不
              和效率。                                              仅可以限制模型过拟合的问题，还可以提升模型在
                  除此之外，有研究回顾性评估了接受 EVAR 的                       不同人群或不同医疗影像设备产生的数据上的适
              147 例 B 型 AD 患者，采用点云神经网络处理 AD 患                   应性，这种方法提升了 DL 技术更广泛地应用于临

              者的3D图像数据，可以更好地捕捉和展示AD的3D                          床实践的可能性。最后，跨模态数据融合将是未来
              结构的复杂性       ［11］ 。通过预测术后远端主动脉的重                  的一个研究热点。结合不同来源和类型的数据，如
              构情况，临床医生可更好地评估患者的长期风险和                            影像数据、临床数据和基因数据，将使DL模型能够

              治疗效果，从而进行更具针对性的监测和干预。DL                           提供更全面、精确的诊断信息。
              为 AD 患者 EVAR 术后并发症的检测及预测预后提                            总之，尽管 DL 在 AD 的应用中面临着挑战，但
              供了新的可能性。                                          随着技术的不断进步和研究的深入，这些问题将逐
                  这些研究表明 DL 技术在 EVAR 术后内漏检测                     渐得到解决，DL 有助于AD 的快速精准诊断、分割、
              和评估中的应用不仅能提高诊断的准确性和效率，                            预测预后，具有广阔的应用前景。
              还为临床医生提供了更多关于AD结构和功能的深
   143   144   145   146   147   148   149   150   151   152