血管瘤资料

1. 概述

研究意义

1. 动脉粥样硬化 、小动脉硬化

根据2019年世界卫生组织（World Health Organization,WHO）统计数据，心血管疾病 （Cardiovascular Disease,CVDs）是全球范围内导 致死亡人数最多的疾病 [1]。其中，缺血性心脏病 （Ischaemic Heart Disease）和中风（Stroke）导致的死 亡人数占因心血管疾病死亡人数的84.9% [2]。 动脉粥样硬化（Atherosclerosis, AS）是导致缺血 性心脏病和中风的根本原因 [3]。颈动脉就是一种易形 成粥样硬化沉积物甚至斑块的动脉 [4]，多形成于颈总 动脉分叉处 [5]。当颈动脉不稳定斑块脱落或破裂后向 下游移，引起心血管栓塞导致心梗；向上游移则容易 引起颈动脉的急性闭塞，最终引发脑卒中 [5]。但事实 上，人们可以通过生活方式的改变，如减少烟酒的摄 入、保持健康的饮食习惯等，并与药物治疗结合起 来，预防由颈动脉斑块引发的中风 [6]。因此，动脉粥 样硬化的早期监测和识别对于预防心脑血管疾病和中 风的发生几率，具有重要的现实意义和临床价值。 超声因其低成本、无创、可重复性高的特点被广泛应 用于颈动脉斑块的诊断。目前，颈动脉斑块的内膜中层厚度 [7]（Intima-Media Thickness, IMT）值是最常用 于颈动脉斑块评估的指标 [8]。斑块总面积(Total plaque Area, TPA)对斑块的变化也非常敏感，使医生可以通 过检测TPA的值从而精确地检测斑块的变化。而IMT 和TPA指标的获取需要准确分割斑块轮廓。但鉴于人 工分割耗时长且主观性强，因此研究从颈动脉超声图 像中自动分割斑块的算法具有重要的临床意义。
[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] Gisterå 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

2. 血管瘤

血管瘤是来源于血管内皮细胞的先天性良性肿瘤，婴幼儿常见病之一，通常见于皮肤及皮下组织，部分患儿成年后可自行消失，但有些则可继续扩大，更有甚者还可破裂出血及感染。 其病因与发病机制目前尚不明确，目前多数学者认为与血管新生和血管生成密切相关，其中后者起主要作用。血管瘤的主要分为婴幼儿血管瘤、先天性血管瘤、化脓性肉芽肿、卡波西样血管内皮瘤以及上皮样血管内皮瘤[1]。血管瘤的形成可能由于局部微环境变化及内皮细胞自身转化的异常，从而导致血管内皮细胞的异常增殖。 随着我国鼓励生育政策的出台及高龄产妇的增多，小儿血管瘤的发病率成逐渐上升趋势，据数据统计其发病率约为5%～10%左右。虽然血管瘤的治疗手段多样，但因血管瘤的类型不同，至今仍未找到一种较为满意的有效治疗手段，其中药物、硬化剂注射、手术切除、介入栓塞等对血管瘤虽都具一定疗效，但单一治疗始终存在局限性，特别是对于富血供的血管瘤来说更是如此。本文通过对比二维超声和彩色多普勒超声的诊断结果,并与最终临床诊断结果进行对照，探讨彩色多普勒超声对血管瘤的诊断价值。
[1]刘洋,亓恒涛,霍然.血管瘤与脉管畸形的超声诊断[J].中国中西医结合影像学杂志,2022,20(04):405-408.
[2]中华医学会整形外科分会血管瘤和血管畸形学组. 血管瘤和脉 管畸形诊断和治疗指南（2016 版）［J］. 组织工程与重建外科杂 志，2016，12（2）：63-97

发展趋势

基于多模态的数据病变检测及分割算法
目前关于血管疾病的智能诊断算法大多是基于单一模态图像数据的，临床上对疾病的诊断往往不是基于单一模态的数据就能给出准确的诊断结果，需要结合多模态的数据。以血管瘤在临床上的诊断为例，其诊断需要综合患者的病历信息、B超图像、彩色多普勒超声图像等功能检查，利用多模态数据给出准确的诊断。截止目前，已有较多关于基于多模态医学图像配准算法。基于多模态血管图像数据的分割、配准大多是使用传统方法，探究利用深度学习方法实现多模态数据的分割、配准，实现更精确的分割、配准精度，采用多模态融合方法，融合不同的模态 数据，实现血管疾病的共同诊断具有非常广阔的研究意义和应用前景。

应用前景

目前，对于血管病变的诊断，在临床上外科医生常采用肉眼观察与分析的方式对B超，多普勒超声图像、CT以及MRI进行判断，并通过医学知识和临床经验对病情严重程度进行主观的诊断。但是，由于医生的医疗水平和临床经验存在差异，常常不能对病灶区域进行量化分析，实现疾病分级，因此往往不能够准确的把握血管病变患者的病情特征，也难以对患者的病情做出客观的诊断，不能及时为患者制定合适的治疗方案。此外，在一些较为落后 和偏远的地区，医院的医疗条件相对比较落后，医疗资源相对比较匮乏，医生的医疗水平也参差不齐，这些往往导 致偏远地区的患者不能够得到有效的治疗，因而往往延误了病情，造成不可逆转的视觉损伤。随着医学图像的处理和分析的发展，利用深度学习技术处理血管图像，检测血管病变。利用计算机辅助诊断血管病变，不仅能够通过 各种图像处理和计算机视觉技术对血管的生理结构特征和病灶特征进行量化分析，同时由于B超，多普勒超声图像、CT等已经包含了大多数的病情信息，还可以通过远程传输实现病情的远程诊断和治疗，从而解决了偏远和落后地区的疾病诊断问题，具有非常深远的现实意义。

2. 研究内容/研究目标

为了超越以往AI方法的局限性，加速临床医生更广泛地采用深度学习技术，我们的目标是开发一个临床适用的AI系统，使用深度学习架构来自动分割超声图像中的血管，准确定位血管中的异常位置。通过利用多模态(即b模式超声图像、彩色多普勒超声图像)和多视图(即横向和纵向)血管超声图像来模拟常规的临床工作流程。同事创建数值热图，强调与AI系统预测相关的特征图的重要性。这种可解释性特征允许对ROI(region of interest)进行评估，对每种成像模式具有潜在的临床价值(即指导临床医生调查原始US图像中的相应区域，然后重新评估其临床价值)。因此，将这些辅助信息与原始临床医生的评估相结合，可能会增加临床医生在做出最终知情决定时的信心水平。

3. 特色

基于多模态数据集的配准策略和融合方法的病灶定位和分级量化诊断。融合多个传感器所获得的信息，可明显改善单一传感器的不足、降低各传感器的信息冗余，使信息互补。临床上多模态的数据有助于提高病灶定位 和分级精度，探索多模态数据的量化、建模算法，提高病变结构配准精度，进而提高病变识别精度。

4. 研究方案/关键技术

使用视图级多模态超声图像和确认的标签训练多通路深度卷积神经网络。卷积核和SENet模块使网络通过研究每个通路中的空间关系和通道关系来提取信息特征(参见方法)。全连接层提取有意义的表示来执行决策。为了增强提出的血管瘤风险预测深度学习模型的可解释性，提取了每个路径中最终卷积层的特征，通过Grad-CAM生成每个成像模式的热力图，这可以帮助人类专家理解人工智能系统做出的高亮显示决策。