目前，冠状动脉CT血管成像（coronary computed tomography angiography,CCTA）是无创性评价冠心病（coronary artery disease,CAD）的最佳影像检查方法，其对阻塞性冠状动脉病变具有较高的敏感性和阴性预测价值[1-3]。然而CCTA主要提供血管的解剖学信息，对冠状动脉功能性狭窄的诊断仍然存在局限性[4]。冠状动脉血流储备分数（fractional flow reserve，FFR）是评价冠状动脉病变血流动力学意义的金标准[5]。但是压力导丝测定FFR是有创性检查且价格昂贵，且少数病人可能出现不良反应。

但是，由于历史的、地理的以及现行体制等主客观原因，尽管中共广东省委省政府为解决区域发展非均衡问题频频发力，扶持政策力度不断加大，但是珠三角与粤东西北之间的经济总量差距悬殊，绝对差距依然维持高位。从经济总量占比看，粤东西北地区经济总量近10年占广东比重一直维持在20%左右，近年还出现下降趋势。2017年，粤东西北地区的地区生产总值增速(6.7%)，低于珠三角1.2个百分点，占全省比重(20.3%)比2016年下降0.2个百分点；规模以上工业增加值增速(5.9%)低于珠三角1.8个百分点，比上年扩大2.7个百分点，占全省比重(18.9%)比上年下降0.5个百分点[17]其原因在于：

然而，以纪实为导向的新闻与以虚构为导向的剧情电影之间的边界并非牢不可破。由新闻事件改编的电影作品的故事内容往往基于新闻事实，但其所虚构的情节又处于实在世界之外的可能世界，因而，电影中的虚构情节与新闻中的真实事件在“新闻电影”中自然而然就发生了或隐或显的关联，这种虚构世界、可能世界与真实世界之间的相互渗透与联系构成了“跨世界通达”。

近年来出现的基于机器深度学习的FFRCT在不增加受检者辐射剂量的情况下，利用常规CCTA数据深度挖掘冠状动脉病变功能学信息，对引起心肌缺血的冠状动脉狭窄诊断具有较高的价值，为无创性评价病变的血流动力学意义提供了一种理想的方法[6]。然而目前国内尚无不同区间FFRCT值与压力导丝测量的FFR诊断一致性的比较。因此，本研究以FFR为参考标准，评价不同区间FFRCT值对冠状动脉功能性狭窄的诊断准确性。

直至清代，羊皮和“毡”等依旧是西南地区少数民族重要的服装，但随着内地文化逐渐深入西南地区，内地服饰文化也深刻影响了西南地区的服装。如清乾隆的《丽江府志》记载“男子头总二髻，旁剃其发，名‘三搭头’。膝下缠以毡片，四时著羊裘；妇人结高髻于顶，前戴尖帽，耳坠大环，服短衣，拖长裙。覆羊皮，缀饰锦绣、金珠相夸耀。今则渐染华风，服食渐同汉制。”[4]这段叙述可以看到羊皮在纳西族同胞服饰中的重要地位（“四时著羊裘”），同时也可看到与宋代时的粗糙相比，他们在清代乾隆年间已经发展出一套较为成熟和相对精致的服饰文化。

1 资料与方法

1.1 一般资料 回顾性收集2010年9月—2016年12月于上海交通大学附属第六人民医院接受128层螺旋CT检查的病人125例共162支病变血管，年龄 42～88 岁，平均（61.0±8.2）岁，男 79 例，女46例。其中，高血压45例（36.0%）、糖尿病48例（38.4%）、高血脂 36例（28.8%），有吸烟史者 33例（26.4%）。同时搜集其有创性冠状动脉造影（invasive coronary angiography,ICA）和FFR的资料，病变血管位置及狭窄程度情况详见表1。纳入标准：①临床怀疑CAD的病人先后行CCTA及FFR检查；②两项检查时间间隔在2周内。排除标准：①有冠状动脉再血管化治疗病史者（如介入治疗或搭桥术后者）；②既往有心肌梗死病史；③CCTA影像质量不佳而影响诊断者；④靶血管严重钙化（血管截面显示为环形钙化>180°）；⑤CCTA与FFR两项检查时间间隔超过2周者。

1.2 扫描设备及参数 采用德国西门子公司的128层螺旋CT（Definition AS）进行扫描。病人检查前进行屏气训练，所有受检者均予舌下含服硝酸甘油（0.3 mg），心率过快者（>65 次/min）于检查 1 h 口服25～75mg倍他乐克。扫描范围自气管隆突下至膈面。扫描参数：管电压100～120 kV，管电流350～450 mA，准直器 128×0.6 mm，层厚 0.6 mm，层间距 0.5 mm，机架转速0.3 s/r。采用双通道高压注射器，以4.5～5.0 mL/s的流率经肘静脉团注非离子型对比剂碘普罗胺（含碘370 mg/mL，优维显，拜耳先灵，德国），后续注入20～40 mL生理盐水。兴趣区（ROI）放置于主动脉根部，采用Timing Bolous动态分析软件自动获取时间-密度曲线，对应峰值加4～6 s为延迟扫描时间。①心率＞65次/min的病人采用回顾性心电门控技术，40%～70%R-R间期为全剂量时间窗，控制台自动重建出最佳收缩期和舒张期，选取心动周期中伪影最小的期相传输到工作站，进行图像后处理。②心率<65次/min的病人采用前瞻性心电门控技术，70%R-R间期为全剂量时间窗，控制台自动重建出最佳舒张期传输到工作站，进行图像后处理。

 

表1 病变血管位置及狭窄程度情况

  

病变血管情况 支（%）位置前降支 91（56.2）右冠状动脉 45（27.8）回旋支 19（11.7）对角支 6（3.7）钝圆支 1（0.6）狭窄程度50%～69% 83（51.2）≥70% 79（48.8）

2.2 CCTA及FFRCT诊断准确性比较 当FFRCT取最佳临界值≤0.8时，约登指数为0.695，CCTA及FFRCT对引起心肌缺血的冠状动脉狭窄的诊断准确性见表2。以FFR作为金标准，当FFRCT数值分别为≤0.69、0.7～0.8、0.81～0.89 和≥0.9 时，FFRCT诊断冠状动脉功能性狭窄的准确度分别为86.4%（19/22）、61.2% （30/49）、88.6% （31/35）、98.2% （55/56）（图 2～3）。

1.5 统计学处理 采用SPSS 13.0及Medcalc 15.2.2统计软件分析。符合正态分布的计量资料以均数±标准差（x±s）表示。以FFR为诊断金标准，绘制CCTA及FFRCT的受试者操作特征（ROC）曲线，并计算曲线下面积（area under curve，AUC）。采用约登指数得到最佳临界值，计算CCTA及FFRCT诊断冠状动脉功能性狭窄的敏感度、特异度、阳性预测值、阴性预测值及准确度。采用Pearson相关系数分析FFR和FFRCT的相关性。P<0.05为差异有统计学意义。

1.4 ICA及FFR的测量 ICA检查取病人标准体位，每条主干血管至少选取2个不同的角度进行观察分析，所有的操作均由2名分别具有22年及20年工作经验心血管内科医师执行，并且在未被告知CCTA检查结果的情况下采用盲法读片。FFR的测量同以往文献[7]报道的方法一致，通过静脉持续输注 140 μg/（kg·min）的腺苷以达到最大充血状态，使用0.014英寸（1英寸=2.54 cm）压力导丝（St Jude Medical，Minneapolis，Minn）测量 FFR。 FFR≤0.8 被认定具有血流动力学意义的狭窄。

近20年来，FFR逐渐成为公认的功能学评价指标，特别对于临界性病变（直径狭窄30%～70%）的评估具有重要意义[8]。DEFER（非功能性狭窄的经皮冠状动脉介入治疗）研究和FAME（血流储备分数对比造影指导下的冠状动脉介入治疗）研究均证实了FFR指导的经皮冠状动脉介入术治疗可以减少医疗费用及不必要的再次血运重建[9-10]，但该方法为有创性且费用高，无法在临床广泛应用。因此，寻找一种无创、经济、能评估狭窄冠状动脉解剖及功能的“一站式”方法是亟需解决的问题。而FFRCT无需受检者接受额外的辐射剂量以及服用扩血管药物，通过流体力学模型和常规静息状态CCTA影像数据，并结合血管壁的弹性，模拟冠状动脉的自身调节和血流量、腺苷介导下冠状动脉的最大充血状态，其将多种因素整合从而计算出平均冠状动脉狭窄远端压力与平均主动脉压力的比值[11]。然而基于流体力学实时建模的FFRCT模拟计算需要高强度计算力和数小时以上的计算时间。近年来，基于机器深度学习的FFRCT可以克服以上不足，将图像重建和分析缩短至15 min以内，因此其为无创性评价病变的血流动力学意义提供了一种新的方法[6]。

2 结果

2.3 FFRCT与FFR相关性分析 FFRCT与FFR具有良好的相关性（r=0.69，95%CI：0.60～0.76，P<0.001）。

  

图1 采用CCTA和FFRCT诊断冠状动脉狭窄的ROC曲线分析。A图为基于病人的分析，B图为基于病变的分析。

1.3 FFRCT计算 本研究使用德国西门子原型软件cFFR（cFFR,version 3.0.0），采用基于机器深度学习的FFRCT模拟算法[6]。该模型在大型数据的基础上进行训练，综合冠状动脉解剖结构特征及病变位置，并通过Navier-Stokes方程计算FFR值。该算法是通过训练集的学习来计算给定病人数据的模拟FFR值。具体操作步骤如下：①软件自动计算血管中心线和管腔轮廓，必要时手动调整；②手动识别所有狭窄病变以提取FFRCT算法所需的几何特征；③将这些数据自动输入到预先学习的模型中，在冠状动脉树的所有位置自动计算FFRCT，并通过伪彩图编码的3D冠状动脉图将所得到的数值可视化。整个过程由2名观察者独立计算所有靶病变的FFRCT值，最后取平均值用于分析。计算每例病人的FFRCT值平均耗时（8.4±3.5） min。

2.1 CCTA和FFRCT诊断的ROC曲线分析 采用FFRCT和CCTA诊断冠状动脉功能性狭窄的ROC分析显示，基于病人和病变时，FFRCT的AUC均大于CCTA （AUC 病人为 0.851 和 0.764，P<0.001；AUC 病变为 0.872 和 0.742，P<0.001），见图 1。

3 讨论

BIM技术的高效应用对建筑工程项目信息管理具有重大影响。新时期，建筑工程人员只有明确BIM技术在项目信息管理中应用的必要性，并在把握其具体应用特征的基础上，做好其在文档信息管理、成本信息管理和进度信息管理等方面的具体应用，才能保证BIM技术应用水平的提升，进而推动建筑工程项目信息管理的进一步发展。

 

表2 CCTA及FFRCT诊断引起心肌缺血的冠状动脉狭窄的准确性比较

  

检查方法 n 敏感度 特异度 阳性预测值 阴性预测值 准确度基于病变水平 162 CCTA 78.2%（43/55） 70.1%（75/107） 54.4%（43/79） 90.4%（75/83） 72.8%（118/162）FFRCT 89.1%（49/55） 80.4%（86/107） 69.0%（49/71） 94.5%（86/91） 83.3%（135/162）基于病人水平 125 CCTA 77.6%（38/49） 69.7%（53/76） 63.3%（38/60） 81.5%（53/65） 76.8%（ 96/125）FFRCT 85.7%（42/49） 78.9%（60/76） 71.2%（42/59） 90.9%（60/66） 81.6%（102/125）

根据以往基于流体力学的FFRCT研究，无创性FFRCT能够有效提高冠状动脉血流动力学的诊断效能[12]。NXT（无创性血流储备分数对冠状动脉功能性狭窄诊断效能）试验的结果显示，在病人水平，FFRCT诊断心肌缺血的准确度、敏感度、特异度、阳性预测值及阴性预测值分别为81%、86%、79%、65%、93%[13]。本实验采用基于机器深度学习的FFRCT模拟算法，与既往研究的结果类似，计算每例病人的 FFRCT值平均仅耗时（8.4±3.5） min，较基于流体力学的FFRCT计算时间显著缩短。另外，本研究还发现，当基于机器深度学习的FFRCT值≥0.81时，其对冠状动脉功能性狭窄的诊断准确度超过88.6%；当FFRCT值≤0.69时，其诊断准确度可达86.4%；而当0.70≤FFRCT≤0.80时，其诊断准确度仅为61.2%。因此，本研究认为“灰色区域”（FFRCT值在0.70～0.80之间）以外的FFRCT结果与金标准对照具有良好诊断准确性，而“灰色区域”内的病变结果诊断性欠佳。由于FFRCT“灰色区域”内的病变准确性显著低于区域外病变，故区域内的病变仍需要其他功能学方法进一步检查；而区域外的病变可通过FFRCT作出准确评价。由此可见，利用“灰色区域”的概念在一定程度上改善了FFRCT对诊断冠状动脉功能性狭窄的敏感性和特异性，避免不必要的有创性操作，有效筛选需要行血运重建术的病变，进而简化诊疗流程，实现冠心病的精准化诊断，为下一步的制定治疗方案提供精确的解剖和功能信息。

  

图2 病人女，52岁。A图示右冠状动脉（RCA）远段狭窄60%，压力导丝测量的FFR值为1；B图为FFRCT值为0.97，结果与有创性FFR一致。

  

图3 病人男，64岁。A图示右冠状动脉（RCA）第一拐角处重度狭窄70%，压力导丝测量的FFR值为0.87；B图为实际FFRCT值为0.77，结果与有创性FFR不一致。

本研究仍存在一些限制和不足：①本实验为回顾性研究，由于实际临床中是根据病人症状及ICA上发现病变的狭窄程度有选择地做FFR测量，本研究中入组的病变狭窄均在50%以上，因此有可能引起入组偏倚；②由于严重钙化性病变会影响血管管腔轮廓的提取，因此本研究排除了严重钙化性病变。今后仍需要多中心、前瞻性研究进一步完善本实验发现。

综上所述，基于机器深度学习的FFRCT数值在“灰色区域”之外的病变结果与FFR对照具有良好的诊断准确性；而“灰色区域”内的病变诊断准确性欠佳，仍需要其他功能学方法进一步检查。

参考文献：

[1] Miller JM,Rochitte CE,Dewey M,et al.Diagnostic performance of coronary angiography by 64-row CT[J].N Engl J Med,2008,359:2324-2336.

[2] Westwood ME,Raatz HD,Misso K,et al.Systematic review of the accuracy of dual-source cardiac CT for detection of arterial stenosis in difficult toimagepatient groups[J].Radiology,2013,267:387-395.

[3] Yang L,Zhou T,Zhang R,et al.Meta-analysis:diagnostic accuracy of coronary CT angiography with prospective ECG gating based on step-and-shoot,Flash and volume modes for detection of coronary artery disease[J].Eur Radiol,2014,24:2345-2352.

[4] Ahmadi A,Kini A,Narula J.Discordance between ischemia and stenosis,or PINSSand NIPSS:are we ready for new vocabulary[J].JACCCardiovasc Imaging,2015,8:111-114.

[5] Toth G,Hamilos M,Pyxaras S,et al.Evolving concepts of angiogram:fractional flow reserve discordances in 4000 coronary stenoses[J].Eur Heart J,2014,35:2831-2838.

[6] Itu L,Rapaka S,Passerini T,et al.A machine-learningapproach for computation of fractional flow reserve from coronary computed tomography[J].JAppl Physiol(1985),2016,121:42-52.

[7] Pijls NH,De Bruyne B,Peels K,et al.Measurement of fractional flow reserve to assess the functional severity of coronary-artery stenoses[J].NEngl JMed,1996,334:1703-1708.

[8] 冠状动脉血流储备分数临床应用专家共识专家组.冠状动脉血流储备分数临床应用专家共识[J].中华心血管病杂志,2016,44:292-297.

[9] Pijls NH,van Schaardenburgh P,Manoharan G,et al.Percutaneous coronary intervention of functionally nonsignificant stenosis:5-year follow-up of the DEFERstudy[J].JAm Coll Cardiol,2007,49:2105-2111.

[10]Tonino PA,Fearon WF,De Bruyne B,et al.Angiographic versus functional severity of coronary artery stenoses in the FAME study fractional flow reserve versus angiography in multivessel evaluation[J].JAm Coll Cardiol,2010,55:2816-2821.

[11]Taylor CA,Fonte TA,Min JK.Computational fluid dynamicsapplied to cardiac computed tomography for noninvasive quantification of fractional flow reserve:scientific basis[J].JAm Coll Cardiol,2013,61:2233-2341.

[12]Lu MT,Ferencik M,Roberts RS,et al.Noninvasive FFR derived from coronary CT angiography:management and outcomes in the PROMISEtrial[J].JACCCardiovasc Imaging,2017,10:1350-1358.

[13]Nørgaard BL,Leipsic J,Gaur S,et al.Diagnostic performance of noninvasive fractional flow reserve derived from coronary computed tomography angiography in suspected coronary artery disease:the NXTtrial(Analysisof Coronary Blood Flow Using CTAngiography:Next Steps)[J].JAm Coll Cardiol,2014,63:1145-1155.