王宗道、陳中明、李佳燕、李文正、李志國、黃裕城、陳祐銓、簡祥秦、王慶萍

臨床上冠狀動脈疾病檢查的黃金標準是冠狀動脈血管攝影(coronary angiography)，但此檢查具有侵入性，對患有心血管疾病的患者是一大負擔，因此非侵入式的電腦斷層心臟冠狀動脈血管攝影 (CCTA:Coronary computed tomography angiography)成為近年來輔助醫師判讀的重要工具。CCTA影像能夠快速掃瞄胸腔內的3D的高解析度影像，可視化血管解剖構造，亦已有研究證實CCTA可評估冠狀動脈狹窄情形。然而CT的空間分辨率有限，造成高密度鈣化斑塊區域的影像強度會渲染至其鄰近區域，稱之為鈣化膨漲效應(Blooming Artifact)，此現象使得鈣化斑塊於CCTA影像上看起來較實際上大許多，造成醫師對於冠狀動脈狹窄程度過度評估，造成全球心臟學界困擾。本團隊基於去年獲得入圍獎之關鍵技術－冠狀動脈心血管重建模型(TaiCAD-Net)，進而建立全自動去除鈣化干擾之精準冠狀動脈狹窄偵測與程度評估AI模型(TruePlaque-Net)，整合成一套全自動冠狀動脈狹窄程度評估with blooming artifact mitigation系統，克服鈣化膨漲效應對CCTA影像造成的影響，以獲得血管的真實狹窄位置及程度，與此同時，整套架構已與廠商進行整合及落地驗證。本技術被賦予高品質精準之標註資料，透過台大TW-CVAI團隊聯合全台八大醫學中心，建置多模組冠狀動脈巨量影像生理資料庫。團隊以冠狀動脈血管攝影影像作為ground truth，針對CCTA全冠狀動脈，考慮鈣化膨漲效應進行內外管壁標註，同時參考Society of Cadiovascular Computed Tomography(SCCT)對於斑塊類型及狹窄程度之定義建立精準標註資料集，以提高模型準確度。