6月11日，437必赢生物医学工程学院副教授张冬联合中山大学健康信息智能计算团队，在医学影像处理国际顶级期刊《IEEE医学影像会刊（IEEE Transactions on Medical Imaging）》（中科院一区Top）上发表题为《基于约束感知学习的侵入性冠脉影像血流储备分数预测（Constraint-Aware Learning for Fractional Flow Reserve Pullback Curve Estimation from Invasive Coronary Imaging）》的研究论文。张冬和中山大学副研究员刘修健为共同第一作者，副教授高智凡为通讯作者，437必赢为第一作者单位。

对于冠状动脉介入术来说，从侵入性冠状动脉影像中估计血流储备分数具有非常重要的指导意义。目前，深度学习已被证明在血流储备分数估计中是有效的，但现有方法仍然存在内在几何关联和物理知识结合不足的问题。

该项研究提出用约束感知学习框架改进从侵入性冠状动脉影像中估计血流储备分数的方法，将几何与物理领域知识相结合，用以约束冠状动脉中心线上的几何结构和血流储备分数值之间的关系，同时利用合成数据来降低临床数据的收集成本。研究有望在冠脉介入术中提供决策指导，提高临床流程效率，一定程度上减少临床医疗费用。

该项研究得到国家重点研发计划、国家自然科学基金等项目的资助。（生物医学工程学院）

论文链接：https://ieeexplore.ieee.org/abstract/document/10553327