Cell子刊：郑传胜团队等开发生成式AI系统，实现实时低剂量DSA成像

华中科技大学同济医学院附属协和医院郑传胜、阚雪锋、华中科技大学电子信息与通信学院王兴刚、东南大学附属中大医院张卫华等人在 Cell 子刊 Med 上发表 题为：Large-scale pretrained frame generative model enables real-time low-dose DSA imaging: An AI system development and multi-center validation study 的研究论文。

数字减影血管造影（DSA）设备常用于人体各个部位的介入治疗，每次操作都需要多次扫描，这给医生和患者带来了极大的辐射暴露。受生成式人工智能技术的启发，该研究提出了一种通用于DSA设备的生成式人工智能低剂量成像系统——GenDSA。该系统生成的DSA视频序列仅需使用1/3的扫描帧率就能生成与全帧率几乎一致的视频序列。使用GenDSA后辐射剂量可降低至临床现有方案的1/3，而不影响临床诊疗效率。

图1.GenDSA训练过程和工作流程如图1所示

该研究一共纳入了来自三个数据集（三个数据集分别来自：武汉协和医院、东软医疗系统股份有限公司、欧洲MR CLEAN Registry数据集）总共35家医院的2.7万余名患者的DSA影像数据，图片数量达约300万张。这三个数据集的训练和测试结果表明，GenDSA用于DSA图像生成时在PSNR、SSIM、和图像生成时间这三个核心指标上全面超过业内领先算法（图2）。

图2.GenDSA与业内领先算法在SSIM、PSNR、和图像生成时间这三个指标上的对比结果

五名介入放射科医生使用Likert量表和视觉图灵测试独立评估生成帧的质量；使用Kendall一致性系数（W）测量放射科医生之间的评分一致性；Fleiss' kappa值用于视觉图灵测试的一致性分析。结果如图3所示，所有医生都难以区分GenDSA生成图像和DSA设备真实拍摄图像，且生成图像在图像质量和病灶评分方面与设备真实拍摄图像几乎一致，而低帧率拍摄得到的图像则会大幅降低医生诊疗效率。

图3.医生主观评分结果

上述研究结果表明，GenDSA具有明确的临床转化价值，可以在DSA引导的手术过程中显著减少医生和患者的辐射损伤。

华中科技大学赵煌旋、徐子扬、陈磊、吴林霞为论文共同第一作者，华中科技大学郑传胜教授、王兴刚教授、阚雪锋副教授、东南大学中大医院张卫华博士、荷兰鹿特丹大学Su Ruisheng为论文共同通讯作者。