近日➗，意昂4平台生物醫療儀器研究所心血管創新器械與智能計算（CIIIC）實驗室在國際知名期刊IEEE Transactions on Biomedical Engineering與Medical Image Analysis發表了2篇血管內OCT定量血流成像相關的研究論文，為心血管疾病的診斷提供了創新的方法。

研究論文1🙎🏻‍♀️：In Vivo Quantitative Imaging of Coronary Blood Flow by Intracoronary Doppler OCT

動脈粥樣硬化性心血管疾病是全球範圍內導致血管疾病的主要原因。盡管多種影像學手段可用於評估病變血管的形態特征，但解剖結構的信息不足以全面反映病變的整體嚴重程度。因此，生理功能參數如血流量對於判斷病變血管供血能力的下降至關重要🥪。研究團隊開發了一種基於血管內多普勒光學相幹斷層掃描（Doppler OCT）的新方法🪜，用於在體冠狀動脈血流的實時定量成像。

研究人員采用了一套200 kHz掃頻光源OCT系統，結合血管內成像導管（圖1），實現了結構與Doppler OCT圖像的同時獲取👨🏿‍💼。為了減少相位噪聲的影響，對原始OCT相位信號進行了采樣時間時間變化與運動補償處理。此外，通過回撤圖像數據推斷出導管角度💞，並利用此信息校正由於導管與血管非同軸排列引起的傾斜成像誤差。實驗結果顯示👰🏻，在經過傾斜成像補償後🥚，流量測量誤差可由3.0±11.4%顯著降低至0.7±8.1%👩🏻。對於所有測量的預設流量(0-240毫升/分鐘)🦶🏼，Doppler OCT的測量結果僅存在4.2±8.7%的微小誤差（圖2）。

圖1 血管內Doppler OCT采集系統與成像導管

圖2 體外Doppler OCT角度補償與流量驗證結果

本研究首次實現了基於導管的傾斜成像補償Doppler OCT冠狀動脈血流測量，其特點包括🧋：

- 導管角度補償算法簡單易行，僅需分割腔體和導管即可完成🫱，無需額外增加OCT系統的復雜度；

- 通過對參考反射面的選擇進行優化以補償由時間變化引起相位抖動錯誤，提高了相位測量信噪比👳‍♂️；

- 成功地將此技術應用於活體豬冠狀動脈中（圖3），證明了其在臨床應用上的潛力🕵🏼‍♂️。

圖3 體內Doppler OCT 成像結果

這項研究表明Doppler OCT可以作為一種精確的方法來量化體內冠狀動脈內的血流情況。它不僅有助於改善心血管疾病的診療方式🙌🏿，也為未來進一步探索提供了堅實的基礎。隨著技術的發展💁🏼，預計這種介入、高精度的檢測手段將在臨床上得到廣泛應用，從而更好地服務於臨床需求。

意昂4体育平台博士研究生楊釩是該論文的第一作者，塗聖賢教授和吳繼剛教授為共同通訊作者。本工作得到了國家自然科學基金的資助。其他參與單位還包括復旦大學附屬中山醫院心內科、英國牛津大學等🧒🏼。

研究論文2：AutoFOX: An automated cross-modal 3D fusion framework of coronary X-ray angiography and OCT

X射線冠脈造影（XA）和血管內OCT都是冠心病診斷與預後評估過程中常用的影像學工具，實現XA和OCT的三維融合可以將完整冠脈解剖形態和斑塊成分等腔內結構信息進行互補👨‍👩‍👧👛，為臨床醫生提供量化計算模型及可視化工具。然而，現有的融合技術存在依賴額外介入設備的使用以及人工幹預🟧、易受XA短縮效應等影響發生錯配、不利於分叉病變評估等多種不足。

圖4 創新的XA與OCT三維融合框架AutoFOX工作流示意圖。工作流主要包含原始重建（IR）😹、跨模態配準（CR）與融合重建（FR）三步。

針對上述局限性，在該研究中，作者提出了一種創新的XA與OCT三維融合框架AutoFOX（圖4），僅需輸入雙體位單幀XA影像與OCT回撤序列🍄，即可全自動生成高精度冠脈樹融合模型😋。AutoFOX中嵌入了基於CNN-Transformer混合架構的三維血管對齊網絡TransCAN（圖5）🤭，將XA-OCT在關鍵解剖位點處的平均對齊誤差縮減到0.82±0.69mm。最終該研究以冠脈CT造影（CCTA）模型作為參考標準🙍，從形態學角度驗證了AutoFOX融合模型與參考模型之間具有較高一致性（圖6）🌨，相比於融合前的3D-XA模型其一致性得到了顯著提升（r = 0.84 vs r = 0.60）。本研究的主要創新點在於🙇🏻：

- 提出的AutoFOX框架工作流無需人工幹預🐜，可以實現全自動化分析；

- 提出了首個適用於三維血管精細對齊網絡TransCAN，其結合邊支血管先驗信息與動態時間規整（DTW）理論🧃，可以有效克服冠脈血管的錯配問題；

- 優化了血管分叉結構的三維重建與跨模態融合，提高了分叉病變精準量化評估的可行性；

- 提出了邊支旋轉角、邊支開口面積等一系列冠脈血管形態學量化指標🫸🏼，以CCTA模型作為參考標準驗證了AutoFOX融合模型精度✧。

圖5 三維血管精細對齊網絡TransCAN示意圖。

圖6 AutoFOX融合模型（左）、CCTA血管樹模型（中）和CCTA完整心臟圖像（右）之間的比較☝️。綠色代表纖維斑塊。

該研究中的框架生成的高精度冠脈樹融合模型對於冠脈流體力學仿真🧀、冠心病的術前診斷和術後評估等都具有重要臨床意義，特別在分叉病變精確評估等方面表現突出。該研究未來的拓展方向包括不同成分斑塊分布的定量評估等🏌🏻‍♀️，這基於CCTA模型斑塊檢測性能的進一步提升。值得註意的是，該研究所提出的框架並不局限於冠脈影像的跨模態分析，它可以拓展為一個通用框架，適用於各種3D血管類結構的融合任務，例如支氣管、胃腸道、腎動脈👍🏿、頸動脈及腦血管等🐿，因此具有擴展到更廣泛臨床應用場景的潛力。

意昂4体育平台博士研究生李春明是該論文的第一作者，塗聖賢教授與楚淼助理研究員為共同通訊作者。本工作得到了國家自然科學基金、意昂4平台青年學者啟動基金等項目的資助。其他參與單位還包括復旦大學、福建醫科大學附屬協和醫院、和比利時OLV Clinic等🧑🏻‍🔬。

論文原文

1.Yang F, Li C, Tan Q, Yu W, De Maria GL, Wang F, Wu J, Tu S. In Vivo Quantitative Imaging of Coronary Blood Flow by Intracoronary Doppler OCT. IEEE Transactions on Biomedical Engineering. 2024:1-9. https://ieeexplore.ieee.org/document/10799208

2.Li C, Qiao Y, Yu W, Li Y, Chen Y, Fan Z, Wei R, Yang B, Wang Z, Lu X, Chen L, Collet C, Chu M, Tu S. AutoFOX: An automated cross-modal 3D fusion framework of coronary X-ray angiography and OCT. Medical Image Analysis. 2025,101:103432. https://www.sciencedirect.com/science/article/pii/S1361841524003578

供稿|科研與學科辦

作者| 上海交大CIIIC實驗室

審核| 葉堅、丁顯廷