【本站讯】在张运院士和张梅教授的指导下，我院心内科张鹏飞副主任医师带领研究团队坚持多学科交叉的研究方向，在心血管人工智能的应用基础和转化研究方面取得重要进展，并受聘担任山东大学智能医学信息处理研究中心执行主任。

在基础研究方面，该团队利用无监督的K-means聚类算法，实现动脉粥样硬化斑块病理类型的批量自动识别，研究结果于2018年初发表于国际电气和电子工程师协会（IEEE）权威期刊IEEE Access上；在血管内超声图像动脉粥样硬化斑块自动识别和心脏超声左心室自动分割方面均取得了阶段性成果。在转化研究方面，该团队利用深度学习技术，优化冠状动脉计算流体动力学（CFD）模型与基于冠状动脉CT血管造影（CTA）的血管边界提取云计算，与深圳科亚医疗有限公司合作，实现无创的冠状动脉压力数据计算，获得基于CT的血流储备分数（CT-FFR）数值，准确反应冠状动脉血流储备能力。血流储备分数（FFR）是反应冠状动脉病变是否导致心肌缺血以及是否需要血运重建的金标准，以往仅能通过介入操作在药物负荷条件下进行测量，CT-FFR技术使得无创获得FFR这一指标成为可能，研究显示两者间具有高度的一致性。目前，张鹏飞团队已将该技术用于指导冠心病诊疗临床决策。

该团队的研究成果得到了学术同行的认可，2018年，张鹏飞先后受邀在中华医学会第18次全国超声医学学术年会、2018河南省超声医学学术年会、四川省医学会第16次心血管病学术会议、中国超声医学工程学会第四届国际超声分子影像学术会议、辽宁省超声医学青年创新论坛作大会报告，并代表我院赴芬兰在第10届全欧专业华人协会联合会（FCPAE）欧洲论坛上交流人工智能转化研究，极大提升了我院在心血管人工智能研究领域的影响力。

上图患者为68岁男性，主诉劳力性胸痛2月。传统的冠状动脉CTA图像（左上）显示前降支多处狭窄伴有钙化，局部狭窄达到70%。基于人工智能的CT-FFR（右上）显示了整个冠状动脉动脉血管树的血流储备，不仅可以显示指定部位的FFR数值，还能显示整条动脉上压力跳跃曲线（右下、左下），从而在多处狭窄中准确判断真正引起血流限制的病变部位。

【来自：心内科 责编：田玉清】