0.5秒内自动提取单根心脏冠脉，阿里 AI 成果提前入选 MICCAI 2019

雷锋网消息，今天，阿里宣布在医疗AI领域取得新进展，继创下肺结节检测、肝结节诊断技术的重大突破后，又攻克了难度系数更高的心血管识别技术。

同时，阿里达摩院机器智能实验室有关冠状动脉中心线提取的论文已被国际顶级医学影像会议MICCAI 2019提前接收。

心血管疾病素有头号健康杀手之称，根据国家心血管病中心最新发布的中国心血管病报告，中国的冠心病患者多达1100万人。

冠心病的全称为冠状动脉粥样硬化性心脏病，是因冠状动脉血管狭窄或阻塞而导致心机缺血、缺氧或坏死现象。

医学影像分析是冠心病的主要诊断方法，通常的流程是，医生根据CTA（CT angiography，血管造影）获得的二维图像对血管进行三维重建，形成CPR（curved planar reconstruction，曲面重建）视图，从中可以发现斑块，判断血管狭窄程度、血管病变性质以及危险程度，从而确定治疗手段。

据雷锋网了解，从CTA影像中准确提取心脏冠脉中心线是冠心病诊断的必备条件，也是诊断流程中耗时最多的一环。心脏冠脉几何特性复杂、血管特别细小，血管半径仅有0.5到3毫米左右，容易受到形态相似的静脉血管的干扰。并且，血管阻塞时容易导致提取到的血管断开，导致无法提取完整的冠脉。

现有的心脏冠脉提取方法大多存在耗时长、人工交互多、中远段冠脉提取效果不好等缺点。心血管疾病诊断的复杂性，使得医疗AI在这一领域应用极少，远不如在肝、肺等疾病领域的应用。

针对这一临床痛点，阿里提出了判别式冠脉追踪模型。这一模型是一个三维卷积神经网络，利用了三维空间特征，可以从CTA Volume中迭代搜索出完整血管，同时还能正确识别冠脉与静脉，有效解决了冠脉提取工作的痛点。

较之语意分割类算法需要处理整个CTA Volume，判别式追踪算法在模型推理的时候只需要关注血管路径附近的影像信息，从而忽略冗余的信息，使得算法的时间性能更高，提取单根血管平均仅需0.5s。

阿里AI在0.5秒内全自动提取的单根心脏冠脉，医生可从重建的影像上快速发现病灶。右上为血管上的软斑块，右下为钙化斑块。

AI提取完整冠脉树用时不超过20秒，而传统方法需要20到30分钟，AI把效率提升了近百倍。更重要的是，投入临床应用后，机器通过不断学习，能够不断提高识别精读。

阿里方面表示，阿里AI具备实习医生的水准，自动识别心血管疾病的准确率达到了99.5%。

贵州省人民医院副主任医师王涛表示，这套系统在阅片速度上对我们来说有一个很好的帮助，现在可能只需要两三分钟就能出一份报告。多余的时间就可以做更多的检查，患者可以缩短就诊时间。

雷锋网了解到，在此之前，阿里AI在其他病种上也产出了不错的成果。

2017年7月，阿里云ET打破了国际权威肺结节检测大赛 LUNA16 的世界纪录。2018年12月，阿里宣布，已可准确地测量肝结节，可以帮助医生进一步判断肝结节是否为恶性。