基于深度学习的冠状动脉造影的TIMI肌梗死血流帧数自动量化 (DL-TMPFC)：快速评估微血管功能障碍的新框架
计算机视觉与模式识别
2026-05-26 v1
摘要
目标：冠状微血管功能障碍 (CMVD) 影响约占 40%-60% 的心综综征患者，但诊断仍困难，因为依赖侵入性功能检测或主观的Thrombolysis In Myocardial Infarction (TIMI) 血流分级。TIMI肌梗死血流帧数 (TMPFC) 提供了客观、造影剂的定量测量CMVD，但其临床转化受阻于繁琐的手动计算和不足的验证。本研究旨在开发和验证一种基于深度学习的TMPFC计算框架 (DL-TMPFC)，以实现临床工作流程的集成。方法与结果：DL-TMPFC 框架由两个组件组成。首先，一个坏死检测网络排除了阻塞性冠状动脉疾病 (CAD)。随后，一个区域感知分割网络识别血流分布区域并自动确定造影序列的第一帧和最后一帧。该框架在 655 名患者（其中 445 名阻塞性CAD、100 名确诊CMVD、110 名对照组）的队列中验证，来自三个独立机构。DL-TMPFC 与专家手动测量表现出极好的一致性（偏差：-0.93 帧；95% 置信区间：-5.33 至 +3.47；r=0.98）。DL-TMPFC显著增强了临床可行性，通过完全自动化 TMPFC 的计算，消除了观察者依赖。临床上，DL-TMPFC准确识别了 CMVD 在全部冠状病变谱系中的情况，并捕捉到了 CMVD 的持续严重程度，超越二元分类，实现定量风险分层。结论：DL-TMPFC 实现了从常规冠状动脉造影直接进行 CMVD 的自动、标准化和准确量化。通过提供一个自动和客观的度量标准，该工具为及时识别和管理临床实践中的 CMVD 提供了即时诊断信息。
引用
@article{arxiv.2605.24012,
title = {Deep Learning-Based Automated Quantification of TIMI Myocardial Perfusion Frame Count (DL-TMPFC) from Coronary Angiography: A Novel Framework for Rapid Assessment of Microvascular Dysfunction},
author = {Si Li and Yuanqing He and Chenkai Hu and Xiaogang Guo and Huay-Cheem Tan and Chieh Yang Koo and Xuan Zhang and Lei He and Jingyuan Zeng and Shan Xiao},
journal= {arXiv preprint arXiv:2605.24012},
year = {2026}
}
备注
15 pages,8 figures