概述

研究意義

動脈粥樣硬化 、小動脈硬化

根據2019年世界衛生組織（World Health Organization,WHO）統計數據，心血管疾病 （Cardiovascular Disease,CVDs）是全球范圍內導 致死亡人數最多的疾病 [1]。其中，缺血性心臟病 （Ischaemic Heart Disease）和中風（Stroke）導致的死 亡人數占因心血管疾病死亡人數的84.9% [2]。 動脈粥樣硬化（Atherosclerosis, AS）是導致缺血 性心臟病和中風的根本原因 [3]。頸動脈就是一種易形 成粥樣硬化沉積物甚至斑塊的動脈 [4]，多形成于頸總 動脈分叉處 [5]。當頸動脈不穩定斑塊脫落或破裂后向 下游移，引起心血管栓塞導致心梗；向上游移則容易 引起頸動脈的急性閉塞，最終引發腦卒中 [5]。但事實 上，人們可以通過生活方式的改變，如減少煙酒的攝 入、保持健康的飲食習慣等，并與藥物治療結合起 來，預防由頸動脈斑塊引發的中風 [6]。因此，動脈粥 樣硬化的早期監測和識別對于預防心腦血管疾病和中 風的發生幾率，具有重要的現實意義和臨床價值。 超聲因其低成本、無創、可重復性高的特點被廣泛應 用于頸動脈斑塊的診斷。目前，頸動脈斑塊的內膜中層厚度 [7]（Intima-Media Thickness, IMT）值是最常用 于頸動脈斑塊評估的指標 [8]。斑塊總面積(Total plaque Area, TPA)對斑塊的變化也非常敏感，使醫生可以通 過檢測TPA的值從而精確地檢測斑塊的變化。而IMT 和TPA指標的獲取需要準確分割斑塊輪廓。但鑒于人 工分割耗時長且主觀性強，因此研究從頸動脈超聲圖 像中自動分割斑塊的算法具有重要的臨床意義。
[1] World Health Organization (2019). World health statistics 2019: monitoring health for the SDGs, sustainable development goals[R]. World Health Organization. 2019.
[2] Roth G A, Abate D, Abate K H, et al. Global, regional, and national age-sex-specific mortality for 282 causes of death in 195 countries and territories, 1980–2017: a systematic analysis for the Global Burden of Disease Study 2017 [J]. The Lancet, 2018, 392(10159): 1736-1788.
[3] Gister? A, Hansson G K. The immunology of atherosclerosis [J]. Nature Reviews Nephrology, 2017, 13(6): 368.
[4] Azzopardi C, Hicks Y A, Camilleri K P. Automatic Carotid ultrasound segmentation using deep Convolutional Neural Networks and phase congruency maps[M]. In Proceedings of the 14th IEEE International Symposium on Biomedical Imaging, 2017.
[5] J Golledge, R M Greenhalgh, A H Davies. The symptomatic carotid plaque[J]. Stroke, 2000, 31(3):774-81.
[6] Spence JD. Intensive Management of Risk Factors for Accelerated Atherosclerosis: the Role of Multiple Interventions[J]. Current Neurology Neuroscince Reports, 2007,7(1):42–48.
[7] Lorenz MW, Markus HS, Bots ML, Rosvall M, Sitzer M. Prediction of Clinical Cardiovascular Events with Carotid Intima-media Thickness: A Systematic Review and MetaAnalysis-Response[J]. Circulation. 2007,116(9): E318
[8] Kutbay U, Firat H, Mehmet A, et al A Computer-Aided Diagnosis System for Measuring Carotid Artery IntimaMedia Thickness (IMT) Using Quaternion Vectors[J]. Journal of Medical Systems. 2016,40:1-12

血管瘤

血管瘤是來源于血管內皮細胞的先天性良性腫瘤，嬰幼兒常見病之一，通常見于皮膚及皮下組織，部分患兒成年后可自行消失，但有些則可繼續擴大，更有甚者還可破裂出血及感染。 其病因與發病機制目前尚不明確，目前多數學者認為與血管新生和血管生成密切相關，其中后者起主要作用。血管瘤的主要分為嬰幼兒血管瘤、先天性血管瘤、化膿性肉芽腫、卡波西樣血管內皮瘤以及上皮樣血管內皮瘤[1]。血管瘤的形成可能由于局部微環境變化及內皮細胞自身轉化的異常，從而導致血管內皮細胞的異常增殖。 隨著我國鼓勵生育政策的出臺及高齡產婦的增多，小兒血管瘤的發病率成逐漸上升趨勢，據數據統計其發病率約為5%～10%左右。雖然血管瘤的治療手段多樣，但因血管瘤的類型不同，至今仍未找到一種較為滿意的有效治療手段，其中藥物、硬化劑注射、手術切除、介入栓塞等對血管瘤雖都具一定療效，但單一治療始終存在局限性，特別是對于富血供的血管瘤來說更是如此。本文通過對比二維超聲和彩色多普勒超聲的診斷結果,并與最終臨床診斷結果進行對照，探討彩色多普勒超聲對血管瘤的診斷價值。
[1]劉洋,亓恒濤,霍然.血管瘤與脈管畸形的超聲診斷[J].中國中西醫結合影像學雜志,2022,20(04):405-408.
[2]中華醫學會整形外科分會血管瘤和血管畸形學組. 血管瘤和脈 管畸形診斷和治療指南（2016 版）［J］. 組織工程與重建外科雜 志，2016，12（2）：63-97

發展趨勢

基于多模態的數據病變檢測及分割算法
目前關于血管疾病的智能診斷算法大多是基于單一模態圖像數據的，臨床上對疾病的診斷往往不是基于單一模態的數據就能給出準確的診斷結果，需要結合多模態的數據。以血管瘤在臨床上的診斷為例，其診斷需要綜合患者的病歷信息、B超圖像、彩色多普勒超聲圖像等功能檢查，利用多模態數據給出準確的診斷。截止目前，已有較多關于基于多模態醫學圖像配準算法。基于多模態血管圖像數據的分割、配準大多是使用傳統方法，探究利用深度學習方法實現多模態數據的分割、配準，實現更精確的分割、配準精度，采用多模態融合方法，融合不同的模態 數據，實現血管疾病的共同診斷具有非常廣闊的研究意義和應用前景。

應用前景

目前，對于血管病變的診斷，在臨床上外科醫生常采用肉眼觀察與分析的方式對B超，多普勒超聲圖像、CT以及MRI進行判斷，并通過醫學知識和臨床經驗對病情嚴重程度進行主觀的診斷。但是，由于醫生的醫療水平和臨床經驗存在差異，常常不能對病灶區域進行量化分析，實現疾病分級，因此往往不能夠準確的把握血管病變患者的病情特征，也難以對患者的病情做出客觀的診斷，不能及時為患者制定合適的治療方案。此外，在一些較為落后 和偏遠的地區，醫院的醫療條件相對比較落后，醫療資源相對比較匱乏，醫生的醫療水平也參差不齊，這些往往導 致偏遠地區的患者不能夠得到有效的治療，因而往往延誤了病情，造成不可逆轉的視覺損傷。隨著醫學圖像的處理和分析的發展，利用深度學習技術處理血管圖像，檢測血管病變。利用計算機輔助診斷血管病變，不僅能夠通過 各種圖像處理和計算機視覺技術對血管的生理結構特征和病灶特征進行量化分析，同時由于B超，多普勒超聲圖像、CT等已經包含了大多數的病情信息，還可以通過遠程傳輸實現病情的遠程診斷和治療，從而解決了偏遠和落后地區的疾病診斷問題，具有非常深遠的現實意義。

研究內容/研究目標

為了超越以往AI方法的局限性，加速臨床醫生更廣泛地采用深度學習技術，我們的目標是開發一個臨床適用的AI系統，使用深度學習架構來自動分割超聲圖像中的血管，準確定位血管中的異常位置。通過利用多模態(即b模式超聲圖像、彩色多普勒超聲圖像)和多視圖(即橫向和縱向)血管超聲圖像來模擬常規的臨床工作流程。同事創建數值熱圖，強調與AI系統預測相關的特征圖的重要性。這種可解釋性特征允許對ROI(region of interest)進行評估，對每種成像模式具有潛在的臨床價值(即指導臨床醫生調查原始US圖像中的相應區域，然后重新評估其臨床價值)。因此，將這些輔助信息與原始臨床醫生的評估相結合，可能會增加臨床醫生在做出最終知情決定時的信心水平。

特色

基于多模態數據集的配準策略和融合方法的病灶定位和分級量化診斷。融合多個傳感器所獲得的信息，可明顯改善單一傳感器的不足、降低各傳感器的信息冗余，使信息互補。臨床上多模態的數據有助于提高病灶定位 和分級精度，探索多模態數據的量化、建模算法，提高病變結構配準精度，進而提高病變識別精度。

研究方案/關鍵技術

使用視圖級多模態超聲圖像和確認的標簽訓練多通路深度卷積神經網絡。卷積核和SENet模塊使網絡通過研究每個通路中的空間關系和通道關系來提取信息特征(參見方法)。全連接層提取有意義的表示來執行決策。為了增強提出的血管瘤風險預測深度學習模型的可解釋性，提取了每個路徑中最終卷積層的特征，通過Grad-CAM生成每個成像模式的熱力圖，這可以幫助人類專家理解人工智能系統做出的高亮顯示決策。

總結

以上是生活随笔為你收集整理的血管瘤资料的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。