编辑推荐：
在临床中，心源性卒中患者常需进行左心耳（LAA）的 CT 检查，但在 CT 定位像中精准划定 LAA 区域困难，常导致全心脏扫描，增加患者辐射暴露。研究人员利用深度学习开展自动划定 LAA 区域的研究，结果显示该方法精度高且能大幅降低辐射剂量，意义重大。
在医学领域，心脏健康的检查至关重要。心源性卒中（CES）是一种常见疾病，每年约有 400 - 500 万人深受其害。而心房颤动是 CES 的常见病因，在老年人中尤为普遍。在这些患者体内，左心耳（LAA）极易形成血栓，一旦脱落就会引发卒中。因此，确定 LAA 中是否存在血栓对预防 CES 意义重大。
目前，临床常用经食管超声心动图（TEE）来检查 LAA，但它存在诸多不便。患者检查前需长时间禁食禁水，检查时吞咽设备的过程也很不舒服，往往需要在镇静状态下进行。而且，TEE 还存在一定风险，如镇静药物的不良反应以及食管破裂等严重并发症。相比之下，计算机断层扫描（CT）检查 LAA 更为舒适且侵入性小，然而其较高的辐射剂量却限制了它在临床中的常规应用。
在进行 CT 扫描时，技术人员通常需要在定位像上手动划定感兴趣区域，但 LAA 缺乏明显的解剖标志，这使得精准划定其边界变得极为困难。为了确保不遗漏相关结构，技术人员常常不得不扩大扫描范围，几乎扫描整个心脏，这无疑让患者承受了不必要的高辐射剂量。
为了解决这些问题，来自德国埃森大学医院（University Hospital Essen）等机构的研究人员展开了深入研究。他们旨在利用深度学习方法，实现 CT 定位像中 LAA 区域的全自动划定，从而减少扫描面积，降低患者辐射剂量。这项研究成果发表在《Scientific Reports》上，为心脏检查带来了新的希望。
研究人员采用了一系列关键技术方法。他们回顾性收集了三个队列的数据，包括训练队列、内部测试队列和外部测试队列，这些数据均来自德国的两所医院。利用基于深度学习的公开可用分割软件，在 CT 扫描图像上分割出 LAA 区域，并将其切片坐标转移到定位像上以获得划定区域。同时，为了应对患者运动的影响，在训练过程中考虑了不同的安全 margins 。此外，研究人员训练了四种神经网络架构，包括 Cascade - R - CNN、VariFocalNet（VFNet）、Task - aligned One - stage Object Detection（TOOD）网络和 You Only Look Once v11（YOLO）网络，通过比较它们在验证集上的表现，最终选择性能最佳的模型进行进一步测试。
研究结果
- 患者数据：研究共收集了 1253 个用于训练和验证的定位像（来自 1213 名患者），内部测试队列有 368 个定位像，外部测试队列有 309 个定位像。患者的平均年龄为 58.6 ± 13.7 岁，其中女性 791 人，男性 1099 人。不同队列之间在性别和年龄分布上存在一定差异。
- 验证结果：四种网络在验证集上表现均良好，但 VFNet 略胜一筹，被选为最佳模型。当在边界添加约 12 - 14mm 的安全 margin 时，各网络性能最佳，预期有效剂量约为 4.7mSv，准确率均高于 93%，Dice 系数约为 90%。
- 测试结果：重新训练后的 VFNet 在内部和外部测试集中表现出色，预期有效剂量分别为 5.33 ± 6.42mSv 和 4.39 ± 4.23mSv，相比全心脏扫描的有效剂量（11.35 ± 8.17mSv 和 10.09 ± 8.0mSv）降低了 53.5% 和 56.4%。准确率分别达到 97.8% 和 96.8%，临床实用性高达 99.8% 和 99.3%，Dice 系数分别为 90.4% 和 90.0%。
- 剂量减少分析：通过 Wilcoxon 符号秩检验表明，与全心脏扫描相比，使用该模型进行 LAA 扫描的剂量减少具有高度统计学意义（p < 0.001）。
研究结论与讨论
该研究成功开发了一种利用深度学习实现 CT 定位像中 LAA 区域全自动划定的模型。该模型准确率极高，约为 98%，能够显著降低患者的有效剂量，相比全心脏 CT 扫描，剂量减少约 55%（至少 5mSv）。而且，模型在不同队列中的表现稳定，具有良好的泛化能力。
然而，研究也存在一些局限性。例如，CT 扫描数据均来自单一供应商的设备和两所附近的医院，可能会限制模型的通用性；临床中有时仍需要全心脏扫描，如遇到血流伪影时；标注数据由另一个神经网络生成，可能存在轻微分割误差；研究使用的 Dice 系数对较小变化不敏感等。尽管如此，从临床角度来看，预期有效剂量（ED）和临床实用性等指标充分验证了该网络在临床实践中的价值。
这项研究为心脏 CT 检查中 LAA 区域的精准定位和辐射剂量降低提供了有效的解决方案，具有重要的临床意义。未来，通过扩大训练数据集、改进网络架构等措施，有望进一步提高模型性能，推动心脏检查技术的发展，让更多患者受益。
