近日，上海交通大学生物医疗仪器研究所心血管创新器械与智能计算（CIIIC）实验室在国际知名期刊IEEE Transactions on Biomedical Engineering与Medical Image Analysis发表了2篇血管内OCT定量血流成像相关的研究论文，为心血管疾病的诊断提供了创新的方法。

研究论文1：In Vivo Quantitative Imaging of Coronary Blood Flow by Intracoronary Doppler OCT

动脉粥样硬化性心血管疾病是全球范围内导致血管疾病的主要原因。尽管多种影像学手段可用于评估病变血管的形态特征，但解剖结构的信息不足以全面反映病变的整体严重程度。因此，生理功能参数如血流量对于判断病变血管供血能力的下降至关重要。研究团队开发了一种基于血管内多普勒光学相干断层扫描（Doppler OCT）的新方法，用于在体冠状动脉血流的实时定量成像。

研究人员采用了一套200 kHz扫频光源OCT系统，结合血管内成像导管（图1），实现了结构与Doppler OCT图像的同时获取。为了减少相位噪声的影响，对原始OCT相位信号进行了采样时间时间变化与运动补偿处理。此外，通过回撤图像数据推断出导管角度，并利用此信息校正由于导管与血管非同轴排列引起的倾斜成像误差。实验结果显示，在经过倾斜成像补偿后，流量测量误差可由3.0±11.4%显著降低至0.7±8.1%。对于所有测量的预设流量(0-240毫升/分钟)，Doppler OCT的测量结果仅存在4.2±8.7%的微小误差（图2）。

图1 血管内Doppler OCT采集系统与成像导管

图2 体外Doppler OCT角度补偿与流量验证结果

本研究首次实现了基于导管的倾斜成像补偿Doppler OCT冠状动脉血流测量，其特点包括：

- 导管角度补偿算法简单易行，仅需分割腔体和导管即可完成，无需额外增加OCT系统的复杂度；

- 通过对参考反射面的选择进行优化以补偿由时间变化引起相位抖动错误，提高了相位测量信噪比；

- 成功地将此技术应用于活体猪冠状动脉中（图3），证明了其在临床应用上的潜力。

图3 体内Doppler OCT 成像结果

这项研究表明Doppler OCT可以作为一种精确的方法来量化体内冠状动脉内的血流情况。它不仅有助于改善心血管疾病的诊疗方式，也为未来进一步探索提供了坚实的基础。随着技术的发展，预计这种介入、高精度的检测手段将在临床上得到广泛应用，从而更好地服务于临床需求。

上海交通大学生物医学工程学院博士研究生杨钒是该论文的第一作者，涂圣贤教授和吴继刚教授为共同通讯作者。本工作得到了国家自然科学基金的资助。其他参与单位还包括复旦大学附属中山医院心内科、英国牛津大学等。

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

X射线冠脉造影（XA）和血管内OCT都是冠心病诊断与预后评估过程中常用的影像学工具，实现XA和OCT的三维融合可以将完整冠脉解剖形态和斑块成分等腔内结构信息进行互补，为临床医生提供量化计算模型及可视化工具。然而，现有的融合技术存在依赖额外介入设备的使用以及人工干预、易受XA短缩效应等影响发生错配、不利于分叉病变评估等多种不足。

图4 创新的XA与OCT三维融合框架AutoFOX工作流示意图。工作流主要包含原始重建（IR）、跨模态配准（CR）与融合重建（FR）三步。

针对上述局限性，在该研究中，作者提出了一种创新的XA与OCT三维融合框架AutoFOX（图4），仅需输入双体位单帧XA影像与OCT回撤序列，即可全自动生成高精度冠脉树融合模型。AutoFOX中嵌入了基于CNN-Transformer混合架构的三维血管对齐网络TransCAN（图5），将XA-OCT在关键解剖位点处的平均对齐误差缩减到0.82±0.69mm。最终该研究以冠脉CT造影（CCTA）模型作为参考标准，从形态学角度验证了AutoFOX融合模型与参考模型之间具有较高一致性（图6），相比于融合前的3D-XA模型其一致性得到了显著提升（r = 0.84 vs r = 0.60）。本研究的主要创新点在于：

- 提出的AutoFOX框架工作流无需人工干预，可以实现全自动化分析；

- 提出了首个适用于三维血管精细对齐网络TransCAN，其结合边支血管先验信息与动态时间规整（DTW）理论，可以有效克服冠脉血管的错配问题；

- 优化了血管分叉结构的三维重建与跨模态融合，提高了分叉病变精准量化评估的可行性；

- 提出了边支旋转角、边支开口面积等一系列冠脉血管形态学量化指标，以CCTA模型作为参考标准验证了AutoFOX融合模型精度。

图5 三维血管精细对齐网络TransCAN示意图。

图6 AutoFOX融合模型（左）、CCTA血管树模型（中）和CCTA完整心脏图像（右）之间的比较。绿色代表纤维斑块。

该研究中的框架生成的高精度冠脉树融合模型对于冠脉流体力学仿真、冠心病的术前诊断和术后评估等都具有重要临床意义，特别在分叉病变精确评估等方面表现突出。该研究未来的拓展方向包括不同成分斑块分布的定量评估等，这基于CCTA模型斑块检测性能的进一步提升。值得注意的是，该研究所提出的框架并不局限于冠脉影像的跨模态分析，它可以拓展为一个通用框架，适用于各种3D血管类结构的融合任务，例如支气管、胃肠道、肾动脉、颈动脉及脑血管等，因此具有扩展到更广泛临床应用场景的潜力。

上海交通大学生物医学工程学院博士研究生李春明是该论文的第一作者，涂圣贤教授与楚淼助理研究员为共同通讯作者。本工作得到了国家自然科学基金、上海交通大学青年学者启动基金等项目的资助。其他参与单位还包括复旦大学、福建医科大学附属协和医院、和比利时OLV Clinic等。

论文原文

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|科研与学科办

作者| 上海交大CIIIC实验室

审核| 叶坚、丁显廷