随着我国老年人口的逐渐增多和人们生活水平的提高，脑血管疾病发病率逐年增高[1] 。CTA 是头颈血管病变中不可或缺的检查手段。AI技术作为一种新兴的医工交叉学科日渐斩头头角，卷积神经网络(con-volutional neural network ,CNN)是当今医学影像中最流行的深度学习框架[2]
1.AI在图像后处理中的应用
传统的 CTA后处理操作流程由医生手动针对 动脉血管主干及分支进行2D或3D重建，重建类型包含头颈血管树的三维容积再现 VR、最大密度投影( MIP)及曲面重组(CPR)等 ，医生完成全部操作流程需要15-30 min左右。近年来， 基于深度学习的分割方法因其在大数据量下的自学习和泛化能力而受到越来越多的关注。2020年Fu [3]等人 利用3D卷积神经网络设计开发了一个实现头颈CTA血管分割的后处理系统 , 创新提出了生长预测模型（ CGPM）来修正血管分割误差，避免血管部分缺失，确保血管的完整性，研发出3D-CNN自动图像重建系统(Cerebral Doc) ，该系统以高灵敏度和特异性自动完成骨和血管分割，临床应用研究结果表明，运用平均后处理时间由14.22±3.64缩短至4.94±0.36 min。 重建图像质量性能考核合格率达92.1%，而且系统处理的VR图中， 脑血管分支显示的更远，血管图像更清晰。将人工智能(AI)技术运用到放射工作流程中，明显提高工作了流程效率，降低医疗成本，减轻了医生的工作负担。
2.AI辅助头颈动脉疾病诊断中的应用
2.1AI辅助头颈动脉狭窄诊断
颈动脉狭窄作为缺血性脑卒中最常见的病因，其影像学诊断在脑卒中的一级预防中发挥不可替代的作用[4]。乔志敏[5]等人研究表明CTA诊断颈动脉狭窄程度准确率及诊断符合率均较高， CTA检测颅内大动脉闭塞的敏感性和特异性均为100 %;对于狭窄率50%的病灶，CTA的敏感性为97.1%，特异性为99.5%，阴性预测值99.8%。董铮[6]等人的研究结果显示，AI辅助颈动脉狭窄诊断的敏感度及特异度分别为0. 711 ,0. 908，具有很高的应用价值。
2.2 AI在颅内动脉瘤诊断中的相关应用
头颈CTA智能辅助诊断系统可对颅内动脉瘤进行三维形态学智能分析，多项参数自动量化，提供可视化量化结果。叶宇[7] 等研究显示： 人工联合AI诊断颅内动脉瘤的灵敏度、特异度及准确度分别为95. 92% ,92.42%及95. 39%，高于单一诊断，可明显降低颅内动脉瘤的漏诊率及误诊率。头颈AI智能辅助诊断系统能快速、准确地诊断颅内动脉瘤，尤其是对>5 mm的动脉瘤诊断敏感度较高;能准确自动测量动脉瘤瘤体径线，可作为影像医生的辅助诊断工具进行动脉瘤的筛查，降低漏诊风险[8]。
2.2.2 动脉瘤破裂风险预测
近年来,流动力学参数(CFD)(如壁切应力WSS)被认为是动脉瘤形成和破裂风险的重要因素[9]。大量研究尝试从临床资料、动脉瘤形态学特征(动脉瘤的瘤高、瘤颈宽、载瘤动脉直径等)和血流动力学信息中挖掘并构建可预测脑动脉瘤破裂风险的模型。Hyeondong Yang[9]等人利用CFD分析和FSI分析构建了基于CNN的深度学习模型。该模型的性能进一步提高至AUC = 0.853，显著优于基于放射组学的模型(AUC = 0.805, p = 0.007)或基于传统形态学参数的模型(AUC = 0.766, p = 0.001)。神经外科医生的预测性能从AUC=0.877提高到0.945 (p = 0.037)。
综上所述，AI技术作为一种新兴的医工交叉学科，其在自动检测动脉瘤、预测动脉瘤的破裂危险因素及治疗效果方面具有良好的应用前景。同时，AI的应用可以极大程度地缓解目前影像医生不足的问题，利于减轻医生的工作负担并提高工作效率。
[1] Wang W, Jiang B, Sun H, et al. Prevalence, incidence, and mortality of stroke in china: results from a nationwide population based survey of 480687 adults [J] Circulation,2017,135(8):759-771.
[2] 郭艺帆,许茂盛.脑动脉瘤破裂风险影像评估的人工智能研究[J].中国中西医结合影像学杂志,2022,20(04):323-326+333.
[3] FU FAN, WEI JIANYONG, ZHANG MIAO, et al. Rapid vessel segmentation and reconstruction of head and neck angiograms using 3D convolutional neural network[J]. Nature Communications,2020,11(1). DOI:10.1038/s41467-020-18606-2.
[4] NGUYEN-HUYNH MN, WINTERMARK M, ENGLISH J, et al. How accurate is CT angiography in evaluating intracranial atherosclerotic disease?[J]. Stroke: A Journal of Cerebral Circulation,2008,39(4):1184-1188.
[5] 乔志敏.CTA对缺血性脑卒中患者颈动脉狭窄程度的诊断价值[J].临床医学,2021,41(07):81-82.DOI:10.19528/j.issn.1003-3548.2021.07.030.
[6] 董铮,程晓青,施佳倩,等. 基于深度学习自动化诊断颈动脉狭窄效能的人机对照研究[J]. 临床放射学杂志,2021,40(11):2089-2093.
[7] 叶宇,王珍,曹长健,邱晓明.人工智能辅助分析CTA影像诊断颅内动脉瘤的临床研究[J].局解手术学杂志,2022,31(02):128-131.
[8] 韦鑫,陈维娟,邓昊,余菡,曹闻挺,陈金华,刘杨.VMI+联合人工智能辅助诊断系统对颅内动脉瘤诊断价值的研究[J].中国医疗设备,2021,36(10):100-103+107.
[9] Kim J-J, Yang H, Kim YB, et al. The quantitative comparison between high wall shear stress and high strain in the formation of paraclinoid aneurysms. Sci Rep 2021;11:7947.