Компьютерная томография в кардиологии: история и перспективы

Обложка

Цитировать

Полный текст

Аннотация

В обзорной статье освещены основные этапы становления компьютерной томографии (КТ) как ключевого метода, использующегося в современной кардиологии. Прогресс КТ-томографов напрямую связан с увеличением количества детекторов, т.е. с увеличением числа одновременно собираемых проекций. Обсуждаются современные разработки и перспективные технологии в области дальнейшего развития методики, включая КТ-ангиографию и другие новые методы оценки коронарного кровотока. Применение технологий искусственного интеллекта в дальнейшем, возможно, позволит усовершенствовать и ускорить интерпретацию получаемых изображений, а также будет экономически оправданно.

Об авторах

Ольга Юрьевна Миронова

ФГАОУ ВО «Первый Московский государственный медицинский университет имени И.М. Сеченова» Минздрава России (Сеченовский Университет)

Автор, ответственный за переписку.
Email: mironova_o_yu@staff.sechenov.ru
ORCID iD: 0000-0002-5820-1759

доктор медицинских наук, профессор кафедры факультетской терапии №1

Россия, Москва

Георгий Олегович Исаев

ФГАОУ ВО «Первый Московский государственный медицинский университет имени И.М. Сеченова» Минздрава России (Сеченовский Университет)

Email: mironova_o_yu@staff.sechenov.ru
ORCID iD: 0000-0002-4871-8797

клин. ординатор каф. факультетской терапии №1

Россия, Москва

Мария Валерьевна Бердышева

ФГАОУ ВО «Первый Московский государственный медицинский университет имени И.М. Сеченова» Минздрава России (Сеченовский Университет)

Email: mironova_o_yu@staff.sechenov.ru
ORCID iD: 0000-0002-3393-6863

студентка

Россия, Москва

Виктор Викторович Фомин

ФГАОУ ВО «Первый Московский государственный медицинский университет имени И.М. Сеченова» Минздрава России (Сеченовский Университет)

Email: mironova_o_yu@staff.sechenov.ru
ORCID iD: 0000-0002-2682-4417

член-кор. РАН, доктор медицинских наук, профессор, проректор по инновационной и клинической деятельности, зав. кафедрой факультетской терапии №1

Россия, Москва

Список литературы

  1. Röntgen WC. Ueber eine neue Art von Strahlen. Physmed Gesellschaft.1895.
  2. Frost EB. Experiments on the X-rays. Science. 1896;3(59):235-6.
  3. Radon J. Uber die Bestimmung von Funktionen durch ihre Integralwerte langs gewisser Mannigfaltigkeiten. Berichte Saechsische Akademie der Wissenshcafien. 1917;69:262-79.
  4. Cormack AM. Representation of a function by its line integrals, with some radiological applications. J Appl Phys. 1963;34(9):2722-7.
  5. Hounsfield GN. Method of an apparatus for examining a body by radiation such as x or gamma radiation. Instrumentation related to nuclear science and technology (e4100). 1975.
  6. Терновой С.К., Синицын В.Е. Перспективы развития методов лучевой диагностики. Аналитический обзор. 2007. Режим доступа: https://rosoncoweb.ru/library/radiodiagnostics/002.php. Ссылка aктивна на 06.06.2022 [Ternovoy SK, Sinitsyn VE. Prospects for the development of radiation diagnostic methods. Analytical review. 2007.Available at: https://rosoncoweb.ru/library/radiodiagnostics/002.php. Accessed: 06.06.2022 (in Russian)].
  7. Haschek E, Lindenthal OT. Ein Beitrag zur praktischen verwerthung der photographie nach rontgen. Wien Klin Wochenschr. 1896;9:63-4.
  8. Heuser C. A Chair for Radio-Therapeutic Treatment of the Perineum in a Seated Position. Br J Radiol: BIR Section. 1925;30(296):109-13.
  9. Burnett HF, Parnell CL, Williams GD, Campbell GS. Peripheral arterial injuries: a reassessment. Ann Surg. 1976;183(6):701. doi: 10.1097/00000658-197606000-00014
  10. Berk ME. Arteriography in peripheral trauma. Clin Radiol. 1963;14(2):235-9. doi: 10.1016/S0009-9260(63)80094-X
  11. Forssmann W. Die sondierung des rechten herzens. Klinische Wochenschrift. 1929;8(45):2085-7.
  12. Mason Sones F. Cine-Cardio-Angiography. Pediatric Clinics of North America. 1958;5(4):945-79. doi: 10.1016/S0031-3955(16)30724-6
  13. Kalender WA, Seissler W, Klotz E, Vock P. Spiral volumetric CT with single-breath-hold technique, continuous transport, and continuous scanner rotation. Radiology. 1990;176(1):181-3. doi: 10.1148/radiology.176.1.2353088
  14. Knuuti J, Wijns W, Saraste A, et al. 2019 ESC Guidelines for the diagnosis and management of chronic coronary syndromes: The Task Force for the diagnosis and management of chronic coronary syndromes of the European Society of Cardiology (ESC). Eur Heart J. 2020;41(3):407-77. doi: 10.1093/eurheartj/ehz425
  15. Gulati M, Levy P, Mukherjee D, et al. 2021 AHA/ACC/ASE/CHEST/SAEM/SCCT/SCMR Guideline for the Evaluation and Diagnosis of Chest Pain. J Am Coll Cardiol. 2021;78(22):e187-285. doi: 10.1016/j.jacc.2021.07.053
  16. De Bruyne B, Sarma J. Fractional flow reserve: a review. Heart. 2008;94(7):949-59. doi: 10.1136/hrt.2007.122838
  17. Brueren BRG, Ten Berg JM, Suttorp MJ, et al. How good are experienced cardiologists at predicting the hemodynamic severity of coronary stenoses when taking fractional flow reserve as the gold standard. Int J Cardiovasc Imaging. 2002;18(2):73-6. doi: 10.1023/A:1014638917413
  18. Taylor CA, Fonte TA, Min JK. Computational fluid dynamics applied to cardiac computed tomography for noninvasive quantification of fractional flow reserve: scientific basis. J Am Coll Cardiol. 2013;61(22):2233-41. doi: 10.1016/J.JACC.2012.11.083
  19. Cook CM, Petraco R, Shun-Shin MJ, et al. Diagnostic accuracy of computed tomography-derived fractional flow reserve: a systematic review. JAMA cardiol. 2017;2(7):803-10. doi: 10.1001/jamacardio.2017.1314
  20. Nørgaard BL, Fairbairn TA, Safian RD, et al. Coronary CT Angiography-derived Fractional Flow Reserve Testing in Patients with Stable Coronary Artery Disease: Recommendations on Interpretation and Reporting. Radiol Cardiothorac Imaging. 2019;1(5):e190050. doi: 10.1148/ryct.2019190050
  21. Lell MM, Kachelrieß M. Recent and upcoming technological developments in computed tomography: high speed, low dose, deep learning, multienergy. Invest Radiol. 2020;55(1):8-19. doi: 10.1007/S00330-019-06183-Y
  22. van Hamersvelt RW, Zreik M, Voskuil M, et al. Deep learning analysis of left ventricular myocardium in CT angiographic intermediate-degree coronary stenosis improves the diagnostic accuracy for identification of functionally significant stenosis. Eur Radiol. 2019;29:2350-9. doi: 10.1007/s00330-018-5822-3
  23. Zreik M, van Hamersvelt RW, Khalili N, et al. Deep learning analysis of coronary arteries in cardiac CT angiography for detection of patients requiring invasive coronary angiography. IEEE Trans Med Imaging. 2019;39(5):1545-57. doi: 10.1109/TMI.2019.2953054
  24. Wang ZQ, Zhou YJ, Zhao YX, et al. Diagnostic accuracy of a deep learning approach to calculate FFR from coronary CT angiography. J Geriatr Cardiol. 2019;16(1):42-8. doi: 10.11909/j.issn.1671-5411.2019.01.010
  25. Tesche C, De Cecco CN, Baumann S, et al. Coronary CT angiography-derived fractional flow reserve: machine learning algorithm versus computational fluid dynamics modeling. Radiology. 2018;288(1):64-72. doi: 10.1148/radiol.2018171291
  26. Coenen A, Kim YH, Kruk M, et al. Diagnostic accuracy of a machine-learning approach to coronary computed tomographic angiography-based fractional flow reserve: result from the MACHINE consortium. Circulation: Cardiovasc Imaging. 2018;11(6):e007217. doi: 10.1161/CIRCIMAGING.117.007217
  27. Василевский Ю.В., Гамилов Т.М., Симаков С.С., и др. Вычислительная технология неинвазивной диагностики стенозов коронарных артерий пациентов с ишемической болезнью сердца. Биотехнология: состояние и перспективы развития: материалы международного конгресса. Москва, 26–29 октября 2021 года. М.: Экспо-биохим-технологии, 2021; c. 132-3 [Vasilevskii IuV, Gamilov TM, Simakov SS, et al. Computational technology for non-invasive diagnosis of coronary artery stenosis in patients with ischemic heart disease. Biotechnology: state of the art and perspectives. Moskva, 26–29 oktiabria 2021 goda. Moscow: Ekspo-biokhim-tekhnologii, 2021; p. 132-3 (in Russian)]. doi: 10.37747/2312-640X-2021-19-132-133
  28. Simakov SS, Gamilov TM, Liang F, et al. Numerical evaluation of the effectiveness of coronary revascularization. Russian Journal of Numerical Analysis and Mathematical Modelling. 2021;36(5):303-12. doi: 10.1515/rnam-2021-0025
  29. Klüner LV, Oikonomou EK, Antoniades C. Assessing cardiovascular risk by using the fat attenuation index in coronary CT angiography. Radiology: Cardiovasc Imaging. 2021;3(1):e200563. doi: 10.1148/RYCT.2021200563
  30. Ngam PI, Ong CC, Chai P, et al. Computed tomography coronary angiography – past, present and future. Singapore Med J. 2020;61(3):109. doi: 10.11622/SMEDJ.2020028
  31. Magalhães TA, Kishi S, George RT, et al. Combined coronary angiography and myocardial perfusion by computed tomography in the identification of flow-limiting stenosis – the CORE320 study: an integrated analysis of CT coronary angiography and myocardial perfusion. J Cardiovasc Comput Tomogr. 2015;9:438-45. doi: 10.1016/j.jcct.2015.03.004
  32. Rajiah P, Abbara S, Halliburton SS. Spectral detector CT for cardiovascular applications. Diagn Interv Radiol. 2017;23(3):187. doi: 10.5152/dir.2016.16255
  33. Taguchi K, Iwanczyk JS. Vision 20/20: Single photon counting x-ray detectors in medical imaging. Med Phys. 2013;40(10):100901. doi: 10.1118/1.4820371
  34. Si-Mohamed SA, Boccalini S, Lacombe H, et al. Coronary CT angiography with photon-counting CT: first-in-human results. Radiology. 2022;211780. doi: 10.1148/radiol.211780

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© ООО "Консилиум Медикум", 2023

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
 
 


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».