研究文章

基于人工智能的二维灰阶超声纹理特征评估斑块内新生血管的临床分析

摘要

目的探讨基于人工智能的二维灰阶超声纹理特征评估颈动脉粥样硬化斑块内新生血管的价值。方法回顾纳入86例颈动脉斑块患者,以超声造影结果为金标准分为斑块新生血管阳性组58例、阴性组28例。利用AI算法分割图像、提取纹理特征并筛选,构建诊断模型,采用ROC曲线评估效能,并与传统超声视觉评估对比。结果筛选得到11项核心纹理特征;AI模型AUC=0.892,敏感性86.21%,特异性89.29%,准确性87.21%,各项指标显著优于传统评估方法(P<0.05)。结论基于AI提取的灰阶超声纹理特征可有效识别斑块内新生血管,模型诊断效能更高,可作为无创评估斑块的辅助手段,为临床诊疗提供客观依据。

关键词

超声检查;人工智能;颈动脉斑块;新生血管;超声造影

参考

国家卫生健康委员会脑卒中防治专家委员会血管超声专业委员会,中国超声医学工程学会浅表器官及外周血管超声专业委员会,中国超声医学工程学会颅脑及颈部血管超声专业委员会. 头颈部血管超声若干问题的专家共识(颈动脉部分)[J]. 中国脑血管病杂志,2020,17(6):346-352,封3.

Paraskevas KI, AbuRahma AF, Moore WS, et al. An international, expert-based, multispecialty delphi consensus document on stroke risk stratification and the optimal management of patients with asymptomatic and symptomatic carotid stenosis

[J].J Vasc Surg,2026,83(2):451-460.

魏静文,张兴昆,吴莹,等.颈动脉超声在心血管疾病中的研究进展:从传统影像到人工智能[J/OL].中国动脉硬化杂志,1-15[2026-04-18].https://link.cnki.net/urlid/43.1262.R.20260204.1118.004.

袁金明,鲁际.人工智能在颈动脉斑块影像学中的研究进展[J/OL].中国医学影像学杂志,1-7[2026-04-18].https://link.cnki.net/urlid/11.3154.R.20260407.1508.002.

郭文博,史景璐,张嵘.三维超声血管斑块定量参数NWI、GSM对颈动脉斑块性质的评估价值[J].河南医学研究,2024,33(08):1423-1426.

崔娜,王小刚,董磊.运用二维超声结合超微血流成像技术评估动脉粥样硬化性脑梗死的可行性分析[J].中国医刊,2022,57(03):320-323.

张红珍,杨少玲.人工智能技术在颈动脉斑块超声检查中的应用进展[J].右江医学,2023,51(03):193-198.

周金红,刘丹,王嘉琪,等.三维超声斑块定量参数评估颈动脉斑块患者脑卒中风险的价值研究[J].全科医学临床与教育,2023,21(06):515-518.

Saba L,Cau R,Murgia A,et al. Carotid plaque-RADS:a novel stroke risk classification system[J].JACC Cardiovasc Imaging,2024,17(1):62-75.

崔娜,王小刚,董磊.动脉粥样硬化性脑梗死患者的颈动脉斑块二维超声指标、超微血管成像特征及其临床意义[J].广西医学,2023,45(21):2556-2560.

Schneider MK,Wang J,Kare A,et al. Combined near infrared photoacoustic imaging and ultrasound detects vulnerable atherosclerotic plaque[J]. Biomaterials,2023,302:122314. DOI:10. 1016/j. biomaterials. 2023. 122314.

Skandha SS,Nicolaides A,Gupta SK,et al. A hybrid deep learning paradigm for carotid plaque tissue characterization and its validation in multicenter cohorts using a supercomputer framework[J]. Comput Biol Med,2022,141:105131. DOI:10. 1016/j. compbiomed. 2021. 105131.

胡伟,高雨湉,屈飏,等.基于人工智能的二维灰阶超声纹理特征评估斑块内新生血管的初步研究[J]. 中华超声影像学杂志,2026,35(1):42-49.

赫兰,申锷,杨泽堃,等.基于深度学习的人工智能模型自动识别颈动脉斑块[J].中国医疗器械杂志,2024,48(04):361-366.

胡伟.基于颈动脉斑块二维灰阶超声评估斑块特征的人工智能模型研究[D].中国人民解放军空军军医大学,2024.22

Refbacks

  • 当前没有refback。
版权所有(c)2026 紫晶 田
Creative Commons License
此作品已接受知识共享署名-非商业性使用 4.0国际许可协议的许可。