黄晓祥，胡咏梅，吴 丹，任力杰

（1.山东大学控制科学与工程学院，济南 250061；2.中国科学院深圳先进技术研究院，广东深圳 518055；3.深圳市第二人民医院神经内科，广东深圳 518028）

0 引言

脑卒中是一种急性脑血管疾病，也是全球第二大致死和第一大致残疾病，它是由脑部血管突然破裂或因血管阻塞导致血液不能流入大脑而引起脑组织损伤的一组疾病，它的发病率在发展中国家仍不断上升［1］。由于它更多的是造成残疾，因此病人需要更长的住院时间和更多的照顾，这对个人和家庭也是一种沉重的负担［2］。据世界卫生组织统计，全球每年约有1 500 万人患脑卒中，预计到2030 年，这一数字还将增加340 万［3］。大量研究表明，颈动脉病变，如颈动脉内中膜厚度增加（Carotid Intima Media Thickness，CIMT）或颈动脉斑块等是动脉粥样硬化性心血管疾病（AtheroSclerotic CardioVascular Disease，ASCVD）的亚临床病理表现，进而导致缺血性卒中的发生［4-6］。颈动脉壁增厚与一些可改变的危险因素，如高血压、抽烟、饮酒和缺乏体育锻炼等有关［7］。因此，早期发现颈动脉异常不仅能够识别易患脑卒中的人群，而且通过预防干预也可以延缓和避免急性临床事件的发生。

在临床实践中，B 超是诊断和评估颈动脉异常包括CIMT、颈动脉斑块和颈动脉狭窄等的有效工具之一［8-9］。然而，受制于有限的医疗资源，颈动脉超声检查在大规模的脑卒中筛查中是耗时且昂贵的，特别是在欠发达国家和发展中国家的偏远地区。因此，有必要利用人工智能技术建立一种简单的基于生理检查和电子病历（Electronic Medical Record，EMR）的颈动脉异常早期识别方法，这不仅有助于早期筛查脑卒中，同时也能促进数字化医学的发展。……