AI冠脉钙化积分估算：低剂量CT与伪影抑制

在医学影像AI辅助诊断系统中，冠脉钙化积分是心血管风险分层的重要依据，但钙化斑块与支架、对比剂的高密度区域在低剂量CT上易产生伪影，导致积分被高估或漏检。本阶段实验聚焦于「影像预处理 + 分割 + 积分回归」三环节的协同优化。

进展方面：我们在公开与院内脱敏数据上构建了双分支网络，一支负责高密度区域的伪影抑制与血管壁分离，另一支基于Agatston规则对钙化连通域加权回归。初步测试中，对120例低剂量平扫CT，医师手工积分与本系统积分的组内相关系数达到0.94，单例处理时间约6秒，约为人工阅片的十分之一。

要点：

• 伪影抑制分支将支架相关假阳性钙化体积降低了约37%，但对弥漫性细钙化的敏感度仍待提升；
• 下一步计划引入心电门控时序信息，并按钙化体积分层做误差校准，同时扩展至多中心设备参数的域适应测试。

需要说明的是，当前结果来自回顾性小样本，尚未进入临床验证阶段，系统的角色定位是辅助勾画与初筛，最终积分与风险判断仍由医师确认。