孙中杰，万 涛*，陈 东，汪 昊，赵艳丽，秦曾昌

（1.北京航空航天大学生物与医学工程学院，北京 100191；2.北京航空航天大学生物医学工程高精尖创新中心，北京 100191；3.首都医科大学附属北京安贞医院病理科，北京 100029；4.北京航空航天大学自动化科学与电气工程学院，北京 100191）

0 引言

胸主动脉瘤和夹层（Thoracic Aortic Aneurysm and Dissection，TAAD）是最具临床危险性的心血管疾病之一［1］。TAAD 的主要病理形态学改变是中膜变性（Medial Degeneration，MD），因此，中膜变性的识别和评估对TAAD 的诊断、病因学研究及早期疾病干预具有重要的临床意义。非炎性主动脉MD 病变类型主要包括平滑肌细胞核缺失（Smooth Muscle Cell Nuclei Loss，SMCNL）、弹力纤维断裂或缺失（Elastic Fiber Fragmentation and/or Loss，EFFL）、层内型粘液池聚集（Intralamellar Mucoid Extracellular Matrix Accumulation，MEMA-I）和穿层型粘液池聚集（Translamellar Mucoid Extracellular Matrix Accumulation，MEMA-T）［2］（如图1所示）。在临床诊断中，MD 诊断需要病理医生在显微镜下对主动脉壁组织切片进行观察和人工判断，具有主观性强、一致性差、耗时费力等缺点，导致该类疾病诊断的准确率不高。例如，SMCNL 容易受到周围组织的影响，EFFL 与正常组织形态相似，识别较困难。此外，区分MEMA-I 和MEMA-T 是根据黏液样细胞外基质是否显著改变组织的层状结构，对医师的专业知识和经验要求比较高，因此，迫切需要智能化的辅助诊断方法来解决医师分析的局限性。

图1 四种非炎性主动脉中膜变性病理图像Fig.1 Histopathological images of four types of non-inflammatory aortic medial degeneration

随着计算机技术和图像处理算法的快速发展，计算机辅助诊断（Computer Aided Diagnosis，CAD）技术不仅可以帮助医生获得准确的诊断结论，而且能够提高诊断效率。例如，Wojnarski 等［3］采用机器学习方法来识别计算机断层扫描（Computed Tomography，CT）图像中主动脉病变亚类型，探究主动脉瓣膜形态和患者特征的关联性。……