468·专家论坛·中国医刊2023年第58卷第5期冠状动脉疾病（coronaryarterydisease，CAD）长期以来一直是威胁中国居民生命健康的重要因素。冠状动脉CT血管成像（computedtomographyangiography，CTA）是诊断CAD的一种重要影像学检查方法。当前，人工智能（artificialintelligence，AI）在冠状动脉CTA领域得到了广泛的运用，可通过降低图像噪声及减少运动伪影提高图像质量、辅助心脏CT解剖结构自动分割、测定冠状动脉钙化评分（coronaryarterycalciumscore，CACS）、辅助冠状动脉狭窄和斑块的检测、评估心肌缺血与冠状动脉血流储备分数（fractionalflowreserve，FFR）、改善风险预测等。AI结合影像组学在冠状动脉CTA中的运用也是影像学研究的热点之一。本文就AI在冠状动脉CTA成像中的应用与进展进行阐述，讨论当前的不足，并对未来提出展望。《中国心血管健康与疾病报告2021概要》指出，我国心血管病（coronaryvasculardisease，CVD）患病率处于上升阶段，2019年农村、城市CVD分别占全部死因的46.74%和44.26%，每5例死亡中就有2例死于CVD[1]。CAD是CVD的一种主要类型，据统计我国约有1139万人患有CAD[1]。CTA是一种无创影像学检查方法，可有效识别冠状动脉狭窄，预测心脏不良事件并帮助改善预后[2]。近年来，AI技术结合冠状动脉CTA越来越受到关注。相较于传统的冠状动脉CTA，AI辅助下的CTA既能优化当前的影像技术，便于开展图像后处理工作，同时也在很大程度上提高了影像学诊断的效率，为临床提供了更有价值的影像学信息。与此同时，一些新兴的AI技术也被纳入冠状动脉CTA检查中，且具有良好的效果。1人工智能及相关的基本概念AI是一种结合了多学科并将人类的思维方式运用到计算机算法的新兴技术科学，包括机器学习（machinelearning，ML）、深度学习（deeplearning，DL）等多个领域。ML通过对数据的学习，在不需要人工干预的情况下优化推断和预测数据的模型，在心血管成像方面被广泛应用[3]。DL是ML的更高级分支，根据是否存在训练数据集的标签，可将DL大致分为监督学习、无监督学习和半监督学习。常用的DL学习方法包括卷积神经网络（convolutionalneuralnetworks，CNN）、自编码器、生成式对抗网络（generativeadversarialnetworks，GAN）等[4]。DL可在不需要人工指定的情况下自动学习图像中复杂的影像学特征，提高了对病变的识别能力。影像组学是指通过提取大量具有高通量特征的图像，进行图像分割，分析并从中提取感兴趣的影像学特征和信息，用于指...
