当前位置：首页>南昌>南昌大学第二附属医院 | 唐小平教授团队:基于人工智能软件辅助CTA颈动脉高低危斑块成分特征分析

南昌大学第二附属医院 | 唐小平教授团队:基于人工智能软件辅助CTA颈动脉高低危斑块成分特征分析

2026-07-18 12:34:30

点蓝字关注，设为星标⭐，更新不迷路~

作者简介

通信作者

唐小平

南昌大学第二附属医院放射影像科，副主任医师，副教授，硕士研究生导师

主要研究方向

中枢神经系统磁共振脑功能成像的临床应用等

学术任职

中华医学会放射学分会第十六届委员会青年委员、中国研究型医院学会放射学专业青年委员会委员、中国阿尔茨海默病防治协会影像专业委员会委员、江西省放射学分会委员兼磁共振学组组长，江西省研究型医院学会医学影像学分会常委兼秘书长、江西省医师协会放射医师分会第三届委员会常委、江西省抗癌协会肿瘤影像分会委员、江西省保健学会影像医学及核医学分会委员、江西省放射学会感染与传染病影像学组委员。

主持课题7项，参与课题11项，参与编著2部。以第一作者或通信作者发表学术论文30余篇，7项研究成果受邀在北美放射学年会、欧洲放射学大会、国际医学磁共振学会年会等学术会议进行展示。获江西省科学技术进步奖三等奖、江西省医学科技奖三等奖。

文章来源

作者

邹宇¹，乔会昱²，赵锡海³，唐小平^1,4*

文献引用格式

[1]邹宇,乔会昱,赵锡海,等.基于人工智能软件辅助CTA颈动脉高低危斑块成分特征分析[J].中国医学影像学杂志,2026,34(6):652-657.DOI:10.3969/j.issn.1005-5185.2026.06.004.

摘要

目的

探讨高危、低危颈动脉斑块的成分特征差异，建立基于CT血管成像（CTA）和人工智能软件的斑块风险评估模型，为精准防治缺血性脑卒中提供影像学依据。

资料与方法

回顾性纳入2022年1月—2024年12月南昌大学第二附属医院接受头颈部CTA检查的191例颈动脉粥样硬化患者共241个颈动脉斑块（高危组125个，低危组116个）。采用联影智能软件定量分析斑块总体积、钙化/纤维/纤维脂质/脂质成分体积及其占比、最大直径/最大面积狭窄率。由2名神经放射科医师采用双盲法评估斑块成分特征。通过限制性立方样条分析成分比值与斑块稳定性的非线性关系，使用多因素Logistic回归构建风险预测模型。

结果

高危组与低危组冠心病史、总胆固醇、低密度脂蛋白存在差异（Z=9.310、2.586、2.416，P<0.05），高危组钙化-脂质共存斑块占比、脂质成分体积及占比显著高于低危组（χ²/Z=13.988、5.713、5.651，P<0.05）。限制性立方样条分析显示，脂质/钙化比值<1.80时斑块风险呈指数增长，>1.80时逐渐下降。多因素Logistic回归分析显示，钙化大小、脂质成分体积占比（OR=1.016，P=0.012）及脂质/钙化比值（OR=0.919，P=0.020）为高危斑块的独立预测因子。

结论

基于CTA与人工智能软件的斑块成分定量参数（脂质成分体积占比、脂质/钙化比值）可作为识别高危颈动脉斑块的客观影像标志物，建议将其纳入卒中风险评估体系。

颈动脉粥样硬化是缺血性脑卒中的重要病因，其斑块稳定性直接影响脑血管事件风险^[1]。高危斑块以富含脂质坏死核心、薄纤维帽及斑块内出血为特征，易破裂引发血栓栓塞^[2-3]。精准量化斑块成分对风险评估至关重要。CT血管成像（CTA）凭借快速扫描、钙化敏感度高及人工智能辅助分析的优势，逐渐成为斑块评估的主流方法^[4-5]。人工智能技术通过自动分割与成分定量，能够揭示传统形态学方法无法捕捉的斑块生物学特征，为探索成分-稳定性关联提供新方法^[6-7]。当前临床亟需建立基于影像学的斑块风险分层体系。本研究拟整合CTA与人工智能软件，对比分析高危与低危斑块的成分差异，旨在构建可解释的斑块风险预测模型，为早期识别易损斑块、靶向干预治疗提供客观影像依据。

资料与方法

1.1

研究对象

回顾性分析2022年1月—2024年12月于南昌大学第二附属医院行头颈部CTA检查发现颈动脉斑块患者资料。纳入标准：①年龄>18岁；②经CTA检出颈动脉斑块；③临床资料相对完整。排除标准：①颅内段颈动脉中重度狭窄；②存在动脉粥样硬化斑块外血管性疾病（如动脉炎、夹层等）；③既往行颈动脉支架植入或颈动脉内膜切除术；④排除心房颤动、左心室附壁血栓等心源性栓塞病因；⑤图像质量不佳。斑块分组标准^[3,8]：高危斑块定义为，①已发生脑血管事件，在扩散加权成像上同侧脑实质中识别出明确高信号病变；②入院6个月内存在相应缺血性脑卒中表现；低风险斑块定义为在扩散加权成像上同侧脑实质中未识别出明显病变。最终纳入191例患者，共241个颈动脉斑块（高危组125个，低危组116个）。本研究通过南昌大学第二附属医院医学伦理委员会批准[医研伦审〔2024〕第（51）号]，豁免患者知情同意。

收集患者性别、年龄、高血压史、糖尿病史、冠心病史、既往卒中或短暂性脑缺血发作史、吸烟及饮酒史、抗血小板药物与抗血脂药物史，血清生物标志物水平（总胆固醇、甘油三酯、高密度脂蛋白、低密度脂蛋白及同型半胱氨酸）。所有临床实验室检查时间距头颈部CTA检查时间间隔不超过2周。

1.2

CT和MRI检查

采用GE Revolution 256排螺旋CT扫描仪，建立静脉通道并放置留置针。嘱患者保持头部稳定，平静呼吸，避免吞咽及眨眼动作。采用自动触发扫描模式，感兴趣区定位在颈内动脉层面，使用峰值法进行容积扫描，同层动态监测感兴趣区CT值，扫描范围从主动脉弓至颅顶。由肘静脉以5.0 ml/s注入碘佛醇（江苏恒瑞医药股份有限公司，350 mgI/ml），剂量1.5 kg/ml。扫描参数：管电压80 kV，管电流150 mAs，层厚5 mm。

采用GE SIGNA Architect 3.0T MR仪，头部48通道线圈，患者保持头部稳定。扩散加权成像主要扫描参数：TR 4 316 ms，TE minimum，视野240 mm×240 mm，b=0、1 000 s/mm²。

1.3

图像分析

将CTA图像数据传输至联影智能分析软件（R001，上海联影医疗科技股份有限公司）。该软件采用深度学习和混合迭代重建算法全自动对斑块进行自动分割与成分定量分析^[9]，测量指标包括斑块总体积、钙化成分体积、纤维成分体积、纤维脂质成分体积、脂质成分体积及其相对占比、脂质/钙化、纤维脂质/钙化、纤维/钙化比值、最大直径狭窄率及最大面积狭窄率，见图1。

在PACS系统中，窗宽设置为850，窗位设置为300，避免因窗宽、窗位不同导致钙化边缘和晕圈模糊而影响钙化大小。钙化最大径≥3 mm定义为斑片型钙化，<3 mm为颗粒型钙化，斑片型及颗粒型共存的钙化定义为混合型^[10-11]。浅层钙化定义为位于内膜-内腔界面或靠近内腔的钙化结节，深层钙化定义为位于中膜/外膜边界或靠近外膜的钙化结节，深层和浅表钙化共存视为混合类别^[12]。由2名分别具有3年及以上工作经验的神经放射科医师采用双盲法独立评估斑块脂质、钙化及二者共存情况，同时判定钙化大小与位置。若2名医师评估结果不一致，则通过协商或由第3位资深专家裁决。

1.4

统计学方法

采用SPSS 27.0和R 4.4.2软件。采用Shapiro-Wilk检验评估定量资料正态性，符合正态分布者用均数±标准差表示，组间比较采用两独立样本t检验；不符合正态分布者用M（Q1，Q3）表示，组间比较采用Mann-Whitney U检验。计数资料使用例（%）表示，采用χ²检验比较。使用限制性立方样条拟合斑块成分与高危斑块的非线性相关性；应用多因素Logistic回归分析高危斑块的独立预测因素。以P<0.05为差异有统计学意义。

结果

2.1

临床资料

共纳入191例颈动脉粥样硬化（50例纳入双侧，141例纳入单侧），241个颈动脉斑块。高危斑块组与低危斑块组冠心病史差异有统计学意义（P<0.05），年龄、性别、吸烟史、饮酒史以及高血压、糖尿病、既往卒中等慢性病史差异均无统计学意义（P>0.05）。两组总胆固醇、低密度脂蛋白差异有统计学意义（P<0.05），其余实验室检查指标差异无统计学意义（P>0.05），见表1。

2.2

颈动脉斑块成分分析

2.2.1 斑块成分组成

对241条颈动脉斑块成分分析显示，高危斑块组中无钙化斑块占比（13.6%）低于低危斑块组（18.1%），但差异无统计学意义（P>0.05）；高危斑块组无脂质斑块占比（6.4%）显著低于低危斑块组（24.1%），钙化-脂质共存斑块占比（80.0%）显著高于低危斑块组（57.8%），差异有统计学意义（P<0.05）。在斑块钙化大小分型中，高危斑块组斑片型钙化占比明显低于低危斑块组，颗粒型钙化占比明显高于低危斑块组（P<0.05）；两组混合型钙化占比差异无统计学意义（P>0.05），见表2。

2.2.2 斑块成分定量指标

与低危斑块组相比，高危斑块组脂质成分体积及其占比更高，差异有统计学意义（P<0.05）；两组斑块总体积、钙化成分体积及其占比、纤维成分体积及其占比、纤维脂质成分体积及其占比、最大直径狭窄率和最大面积狭窄率差异无统计学意义（P>0.05）。进一步分析脂质钙化共存的斑块成分比例发现，高危斑块组脂质/钙化比值显著高于低危斑块组，差异有统计学意义（P<0.05）；两组纤维/钙化、纤维脂质/钙化比值差异无统计学意义（P>0.05），见表3。

经拟合限制性立方样条（节点数设为4）后，绘制关系曲线显示，脂质/钙化、纤维/钙化、纤维脂质/钙化比值与高危斑块存在明显非线性关联（图2）。随着脂质/钙化、纤维/钙化、纤维脂质/钙化比值变化，高危斑块比值比预测值发生变化。脂质/钙化、纤维/钙化、纤维脂质/钙化比值对应的拐点值分别为1.80、1.73、2.90，小于拐点值时，高危斑块比值比预测值指数上升；超过拐点值后，呈缓慢下降。

2.3

Logistic回归分析

将上述冠心病、总胆固醇、低密度脂蛋白、钙化大小、脂质成分体积、脂质成分体积占比及脂质/钙化比值纳入多因素Logistic回归方程，分析显示钙化大小、脂质成分体积占比及脂质/钙化比值是高危斑块的独立预测因子（P<0.05），见表4。

讨论

本研究依托CTA的快速扫描与钙化高敏感优势及人工智能软件在斑块自动分割、成分定量分析中的能力，对比高危与低危颈动脉斑块的成分特征，研究发现钙化大小、斑块成分构成是颈动脉高危易损斑块的关键特征指标，为临床早期筛查高危颈动脉斑块、个体化制订干预方案提供客观、量化的影像学依据。

3.1

临床基线资料分析

高危斑块组和低危斑块组在冠心病史、总胆固醇、低密度脂蛋白方面存在显著差异。冠心病患者常伴有血管内皮功能障碍、慢性炎症反应和脂质代谢紊乱，这些因素促使颈动脉斑块更易发展为高危状态^[13-14]。总胆固醇和低密度脂蛋白作为动脉粥样硬化的核心驱动因素，其水平升高为斑块发展提供了丰富的脂质来源，过量脂质在动脉内膜沉积会被巨噬细胞吞噬形成泡沫细胞，进而引发细胞坏死与脂质池扩大，加速斑块生长的同时显著增加斑块破裂及血栓形成风险^[15-16]。本研究低危斑块组总胆固醇与低密度脂蛋白水平高于高危斑块组，与既往研究^[17-18]结果相反，可能与临床对两组患者干预策略的差异直接相关。

3.2

斑块成分分析

本研究发现低危组无脂质斑块占比显著高于高危组，且高危组脂质成分体积及占比远高于低危组，这与既往研究发现不稳定斑块富含脂质核心的特点相符^[19-20]，进一步证实富含脂质核心是不稳定斑块的典型病理特征，脂质核心中大量坏死组织与炎症因子会削弱斑块结构稳定性，增加纤维帽破裂概率。

在钙化大小组间对比中，本研究显示低危组中斑片型钙化占比高于高危组，而颗粒型钙化占比显著低于高危组，与既往研究结论一致^[21-22]，进一步证实钙化大小与斑块稳定性直接相关，颗粒型钙化易引发局部炎症，加剧斑块不稳定；而斑片型钙化可通过物理支撑作用提升斑块稳定性。

本研究中钙化-脂质共存斑块在高危组占比远高于低危组，且高危组脂质/钙化比值大于低危组，这提示高危斑块的产生不仅为脂质核心的单独作用，而是脂质与钙化成分相互作用的结果，存在钙化是斑块向高危状态发展的重要参与因素。结合Homssi等^[11]的研究结论，钙化对斑块稳定性的影响具有动态性，早期形成的微钙化（如颗粒型钙化）可通过诱导局部炎症反应与削弱纤维帽，增加斑块脆弱性。而随病程进展形成的斑片型钙化，可通过提供机械支持稳定斑块。然而，既往研究^[21,23]缺乏对钙化影响斑块风险的明确量化指标，难以准确界定其对高、低风险斑块的具体影响程度。本研究通过运用限制性立方样条分析，创新性提出当脂质/钙化比值<1.80时，高危斑块风险呈指数增长，当该比值>1.80时，风险逐渐下降，这为评估斑块风险提供了一个关键量化指标，揭示了脂质与钙化的平衡关系对斑块稳定性的关键影响。当脂质/钙化比值处于不同范围时，斑块稳定性发生显著变化，进一步表明脂质和钙化并非孤立地影响斑块，二者存在复杂的相互作用。这种相互作用失衡会导致斑块稳定性急剧下降，大幅度增加斑块破裂风险。

3.3

本研究的局限性

与既往研究相比，本研究使用人工智能软件辅助的CTA技术对斑块成分进行定量分析，实现了斑块成分自动化、定量化提取，避免人工评估的主观性，为斑块风险评估提供了更准确、可重复的数据支持。然而，本研究也存在一定局限性：首先，采用的人工智能软件未能识别斑块内出血这一重要高危特征，可能导致对斑块风险的评估不够全面，需进一步优化算法以提升成分识别的完整性；其次，为回顾性队列研究设计，可能存在选择偏倚；最后，样本量相对较小，可能影响研究结果的普遍性和可靠性。未来研究可以使用优化的人工智能、扩大样本量，开展多中心、前瞻性研究，进一步验证本研究结果。

总之，基于人工智能软件的CTA斑块成分定量分析在识别高危斑块方面具有重要价值。脂质成分体积占比、脂质/钙化比值等定量参数为临床医师制订个体化的卒中预防策略提供了客观的影像标志物，可进一步与传统狭窄率指标结合，构建斑块高危风险分层体系，提升高危人群识别的精准性。

利益冲突所有作者均声明不存在利益冲突

参考文献

[1]Saba L, Cau R, Vergallo R, et al. Carotid artery atherosclerosis: mechanisms of instability and clinical implications[J]. Eur Heart J, 2025, 46(10): 904–921. DOI: 10.1093/eurheartj/ehae933.

[2]Saba L. Progress in the identification of unstable carotid artery plaque[J]. Curr Opin Neurol, 2026, 39(1): 1-6. DOI: 10.1097/wco.0000000000001451.

[3]Benson JC, Saba L, Bathla G, et al. MR imaging of carotid artery atherosclerosis: updated evidence on high-risk plaque features and emerging trends[J]. Am J Neuroradiol, 2023, 44(8): 880-888. DOI: 10.3174/ajnr.a7921.

[4]Fu F, Shan Y, Yang G, et al. Deep learning for head and neck CT angiography: stenosis and plaque classification[J]. Radiology, 2023, 307(3): e220996. DOI: 10.1148/radiol.220996.

[5]Dakis K, Nana P, Athanasios C, et al. Carotid plaque vulnerability diagnosis by CTA versus MRA: a systematic review[J]. Diagnostics, 2023, 13(4): 646. DOI: 10.3390/ diagnostics13040646.

[6]Zhai D, Liu R, Liu Y, et al. Deep learning-based fully automatic screening of carotid artery plaques in computed tomography angiography: a multicenter study[J]. Clin Radiol, 2024, 79(8): e994-e1002. DOI: 10.1016/j.crad.2024. 04.015.

[7]Pisu F, Williamson BJ, Nardi V, et al. Machine learning detects symptomatic plaques in patients with carotid atherosclerosis on CT angiography[J]. Circ Cardiovasc Imag, 2024, 17(6): e016274. DOI: 10.1161/circimaging.123.016274.

[8]中华医学会神经病学分会, 中华医学会神经病学分会脑血管病学组. 中国急性缺血性卒中诊治指南2023[J]. 中华神经科杂志, 2024, 57(6): 523-559. DOI: 10.3760/cma.j. cn113694-20240410-00221.

[9]张营帅. 基于人工智能的头颈动脉CTA在检测颈内动脉斑块中应用研究[D]. 石家庄: 河北医科大学, 2024.

[10]Homssi M, Vora A, Zhang C, et al. Association between spotty calcification in nonstenosing extracranial carotid artery plaque and ipsilateral ischemic stroke[J]. J Am Heart Assoc, 2023, 12(10): e028525. DOI: 10.1161/jaha.122.028525.

[11]Homssi M, Saha A, Delgado D, et al. Extracranial carotid plaque calcification and cerebrovascular ischemia: a systematic review and meta-analysis[J]. Stroke, 2023, 54(10): 2621-2628. DOI: 10.1161/strokeaha.123.042807.

[12]Saba L, Chen H, Cau R, et al. Impact analysis of different CT configurations of carotid artery plaque calcifications on cerebrovascular events[J]. Am J Neuroradiol, 2022, 43(2): 272-279. DOI: 10.3174/ajnr.a7401.

[13]Ueki Y, Itagaki T, Kuwahara K. Lipid-lowering therapy and coronary plaque regression[J]. J Atheroscler Thromb, 2024, 31(11): 1479-1495. DOI: 10.5551/jat.rv22024.

[14]Li J, Jia L, Li J, et al. Correlation between carotid and/or subclavian atherosclerotic plaque and coronary atherosclerotic disease[J]. BMC Cardiovasc Disord, 2024, 24(1): 678. DOI: 10.1186/s12872-024-04361-5.

[15]戴云蛟, 刘晓翠, 任倩玉, 等. 血脂谱联合CT血管造影对脑梗死患者颈动脉斑块的诊断评估[J]. 中国医药, 2025, 20(9): 1314-1318. DOI: 10.3760/j.issn.1673-4777.2025.09.008.

[16]Soehnlein O, Lutgens E, et al. Distinct inflammatory pathways shape atherosclerosis in different vascular beds[J]. Eur Heart J, 2025, 46(33): 3261-3272. DOI: 10.1093/ eurheartj/ehaf054.

[17]Zhang H, Xu X, Long J, et al. Acute stroke risk prediction model based on dual-energy CTA-derived carotid plaque, perivascular adipose tissue characteristics, and serum lipid parameters: a dual-center study[J]. Neuroradiology, 2025, 67(11): 3157-3171. DOI: 10.1007/s00234-025-03723-w.

[18]肖瑶, 陈雯, 邱玲, 等. 血脂参数与急性脑梗死患者颈动脉粥样硬化斑块的关系及其对预后的预测效能[J]. 分子诊断与治疗杂志, 2025, 17(9): 1661-1663, 1667. DOI: 10.3969/j.issn.1674-6929.2025.09.017.

[19]Porambo ME, DeMarco JK. MR imaging of vulnerable carotid plaque[J]. Cardiovasc Diagn Ther, 2020, 10(4): 1019-1031. DOI: 10.21037/cdt.2020.03.12.

[20]Tao L, Wang X, Li X, et al. Intracranial plaque with large lipid core is associated with embolic stroke of undetermined source[J]. Ann Clin Transl Neurol, 2023, 10(3): 363-372. DOI: 10.1002/acn3.51726.

[21]Tziotziou A, Fontana F, Korteland SA, et al. Carotid calcification shape, size, and lumen proximity are associated with ischemic events[J]. Acad Radiol, 2025, 32(9): 5468-5477. DOI: 10.1016/j.acra.2025.05.066.

[22]Zhang J, Zhao S, Hou X, et al. Association between carotid plaque calcification and clinical outcomes of symptomatic cerebral small vessel disease[J]. Front Neurol, 2025, 16: 1628353. DOI: 10.3389/fneur.2025.1628353.

[23]Zhao H, Shan Y, Hu W, et al. Carotid plaque CTA analysis in patients with initial and recurrent ischemic stroke[J]. Eur J Radiol, 2025, 186: 112058. DOI: 10.1016/j.ejrad.2025. 112058.

向下滑动查看更多参考文献