刘子暖，杨俊杰，陈韵岱

1解放军总医院第一医学中心心血管内科，北京 100853；2南开大学医学院，天津 300071

过去20年，心脏计算机断层扫描血管造影(cardiac computed tomography angiography，CCTA)设备与技术水平不断提高，逐渐成为评估冠状动脉疾病(coronary artery disease，CAD)的重要手段。2019年欧洲心脏病学会发表的《慢性冠脉综合征诊断与管理指南》推荐将CCTA作为疑似胸痛患者排除阻塞性CAD的初始检查手段(Ⅰ类推荐)，对可疑或新诊断的CAD患者，可应用CCTA进行危险分层(Ⅰ类推荐)[1]。由于较高的阴性预测值及诊断准确性，CCTA被视为冠脉介入手术前可靠的CAD筛查手段[2]。 此外，随着CT心肌灌注(computed tomography perfusion，CTP)及CT血流储备分数(computed tomography-fractional flow reserve，CT-FFR)等功能学评估手段的持续发展与深入研究，解剖学联合功能学诊断可有效减少下游的侵入性检查及治疗[3-5]。

伴随着功能学成像的发展，人工智能(artificial intelligence，AI)在心血管领域的应用急剧增多。AI是对人类智能进行模拟、拓展及延伸的一门新兴学科，可以实现数据的自动解读，并在短时间内对大量数据集进行分析，建立并评估复杂模型的区分度及校准度。机器学习(machine learning，ML)是AI的一个分支，可从给定的训练数据集中运用不同的算法进行数据解析及学习，并以此为基础构建模型，从而对外部结果进行预判[6]。深度学习是一种利用人工神经网络实现机器学习的技术。当应用多层神经元节点进行计算时，整个体系获得的参数越多，对真实关系的模拟程度越强，该技术被称为深度神经网络(deep neural network，DNN)技术。

随着CCTA的广泛使用及图像分析特征的增加，图像后处理对技术及时间的要求不断提高，而ML不仅可以对此进行优化，还可增加图像预处理、风险分层等方面的新应用。……