ISSN 1004-4140
CN 11-3017/P

双能CT左室心肌碘图技术联合BNP对AMI后发生心力衰竭的预测价值

张焕, 韩旭, 崔斌, 陈杰, 于海涛, 王志群

张焕, 韩旭, 崔斌, 等. 双能CT左室心肌碘图技术联合BNP对AMI后发生心力衰竭的预测价值[J]. CT理论与应用研究, 2022, 31(3): 373-382. DOI: 10.15953/j.ctta.2021.068.
引用本文: 张焕, 韩旭, 崔斌, 等. 双能CT左室心肌碘图技术联合BNP对AMI后发生心力衰竭的预测价值[J]. CT理论与应用研究, 2022, 31(3): 373-382. DOI: 10.15953/j.ctta.2021.068.
ZHANG H, HAN X, CUI B, et al. Predictive value of dual-energy CT left ventricular iodinogram combined with plasma BNP in the development of heart failure after AMI[J]. CT Theory and Applications, 2022, 31(3): 373-382. DOI: 10.15953/j.ctta.2021.068. (in Chinese).
Citation: ZHANG H, HAN X, CUI B, et al. Predictive value of dual-energy CT left ventricular iodinogram combined with plasma BNP in the development of heart failure after AMI[J]. CT Theory and Applications, 2022, 31(3): 373-382. DOI: 10.15953/j.ctta.2021.068. (in Chinese).

双能CT左室心肌碘图技术联合BNP对AMI后发生心力衰竭的预测价值

基金项目: 中国航天科工集团公司2018年医疗卫生科研项目(双源双能CT心肌灌注成像联合心脏磁共振成像评价冠心病患者心肌活性的对照研究(2018-LCYL-002))。
详细信息
    作者简介:

    张焕: 女,航天中心医院影像科主治医师,主要从事心血管影像诊断工作,E-mail:zhanghuansunny@126.com

    崔斌: 男,硕士,航天中心医院影像科主任医师,主要从事神经影像及心血管影像诊断研究,E-mail:cuibinmail@sina.com

  • 中图分类号: R  814

Predictive Value of Dual-energy CT Left Ventricular Iodinogram Combined with Plasma BNP in the Development of Heart Failure after AMI

  • 摘要: 目的:探讨双能量CT左室心肌碘图技术及血浆B型利钠肽(BNP)水平对急性心肌梗死(AMI)患者发生心力衰竭(HF)及严重程度的早期诊断及预测价值。方法:选取2018年1月至2019年12月本院收治的AMI患者,完成双能量冠状动脉CTA检查及血浆BNP检查,入院治疗1周内评估患者心功能分级。通过双能量冠脉CTA检查测量心肌碘含量用以评价患者CT心肌灌注情况。分析患者心肌碘含量、左心室射血分数及BNP水平指标间的相关性,对比HF患者不同Killip心功能分级组间心肌灌注情况、LVEF及BNP水平的差异。结果:共有115例AMI患者入组,其中42例纳入HF组,73例非HF组。两组间的心肌碘浓度、LVEF及BNP的差异均有统计学意义。梗死心肌碘浓度、LVEF与BNP水平呈负相关(<i<r</i<=−0.527、−0.674)。ROC曲线显示,心肌碘浓度联合BNP对于预测AMI后发生HF的AUC高于碘图、BNP的单独预测结果。42例AMI后HF患者不同Killip分级组之间,随着Killip分级的升高,血清BNP水平升高,LVEF及梗死心肌碘含量下降,并且不同分级组间BNP、LVEF、梗死心肌碘含量差异均有统计学意义。结论:双能量CT左室心肌碘图技术联合BNP水平对急性心肌梗死后心力衰竭的发生有预测价值,并与心力衰竭的临床严重程度有一定相关性。
    Abstract: Objective: To investigate the value of dual-energy CT left ventricular iodinogram imaging and plasma B-type natriuretic peptide level in the early diagnosis and prediction of heart failure and severity in patients with acute myocardial infarction. Methods: AMI patients admitted to our hospital from January 2018 to December 2019 were selected to complete dual-energy coronary artery CTA and plasma BNP examination, and cardiac function grading was assessed within 1 week after admission. Myocardial iodine content was measured to evaluate the myocardial perfusion on dual-energy CT. The correlation between myocardial iodine content, left ventricular ejection fraction and BNP level was analyzed, and the differences of myocardial perfusion, LVEF and BNP levels among different Killip cardiac function grading groups in HF patients were compared. Results: A total of 115 patients with AMI were enrolled, including 42 patients in HF group and 73 patients in non-HF group. There were significant differences in myocardial iodine concentration, LVEF and BNP between the two groups. Iodine concentration and LVEF were negatively correlated with BNP (<i<r</i<=−0.527, −0.674). The ROC curve showed that the AUC of myocardial iodine concentration combined with BNP in predicting HF after AMI was higher than that of iodine map and BNP alone. Among the 42 HF patients after AMI, with the increase of Killip grade, serum BNP level increased, LVEF and iodine content of infarct myocardial decreased, and there were statistically significant differences in BNP, LVEF and iodine content of infarct myocardial among different grade groups. Conclusion: Dual-energy CT left ventricular iodinogram combined with BNP level has predictive value on the occurrence of heart failure after acute myocardial infarction, and has a certain correlation with the clinical severity of heart failure.
  • 河流相储层是一类重要的含油气储集层,其精细描述的核心是有效识别出河道。但是此类储层纵向上常表现为砂体多期叠置,可识别厚度小于地震分辨率;横向上物性变化快,非均质性特征强,河道边缘特征不清晰。为了提高此类储层的识别精度,众多专家学者进行了深入研究,相干体[1-2]、地震波形结构属性[3]、甜点属性[4]、谱分解和分频属性融合[5]、概率神经网络[6]、相层双控智能识别描述[7]等方法技术得到广泛应用。

    上述研究主要集中在河道构型、地震相整体特征、含油气分布预测等相对宏观的信息,对河道边缘特征的精细刻画还较少,在河道信号微弱、强屏蔽干扰或者横向不连续等情况下难以精准刻画储层。而图像边缘检测可通过捕捉图像局部特征的细微突变实现边缘的定位[8],其本质是通过突出图像的有效边缘信息、弱化非边缘信息来提取边缘细节。在地震解释领域,已有学者将此项技术应用于断层与裂缝预测中[9-11]以及砂坝、砂体厚度的描述中[12-14]。然而现有相关文献对河道边缘特征的数学意义以及算子处理的本质含义分析不够深入,还有待精细解剖。

    本文从河道边缘几何特征与数学含义出发,从图像处理角度分析相干体边缘特征识别优势及存在的不足,以Sobel算子为例探究算子处理边缘识别的本质。对于图像灰度不均导致小河道识别困难的问题,提出基于直方图均衡化和模糊集理论的图像增强方法。上述技术方法均用三维河道理论模型和实际资料加以检验,应用效果显著,相关认识与结论对开展河流相储层精细描述有一定的借鉴作用。

    河流相储层中的河道,其垂向厚度一般小于调谐厚度,其正演模型的左右两边缘振幅为零,中心位置振幅最大(图1(a))。若提取振幅切片,河道内有幅值,呈“实心”特征。对图1(a)截面计算一阶导数,导数从左到河道中心为正,边缘特征为“右负左正”或者“左正右负”。如果对一阶导数求模,左右两边界均为正值,边缘呈“左右双正”特征(图1(c))。二阶导数是一阶导数的导数,所以它的值与原始振幅相比,符号相反,但河道空间形态会更加锐化(图1(d))。

    图  1  河道边缘几何特征与数学含义
    Figure  1.  Geometric characteristics and mathematical implication of the channel edge

    为便于对本文方法进行验证,构建200×300×100(线×道×时间)三维模型。模型有5个水平层,设计了4条河道,速度结构如图2(a)所示,河道1到河道4的砂岩速度分别为3600、3200、3150和3300 m/s,围岩速度为3100 m/s。从速度结构上看,各支河道反射系数由强到弱分别为河道1、河道4、河道2、河道3。河道1和河道2的埋深设计在47~57 ms之间,河道3和河道4在55~60 ms之间,河道1和河道4宽度为10道,河道3宽度为15道,河道2宽度为5道。正演模型采样间隔为1 ms,子波采用主频为30 Hz的雷克子波,加入最大振幅5%的随机噪声(图2(b))。

    图  2  用于方法测试的三维河道模型
    Figure  2.  Three-dimensional channel model for method testing

    对于地质异常体的边缘特征识别,常用的地震属性有均方根振幅、相干、曲率、甜点等,尤以相干属性为最常用[15]。对于以特征值为基础的第3代相干,其表征公式常有以下几种(表1[2],物理意义最明确、应用最广的是最大特征值相干。通过相干属性计算,河道特征比原始切片会更加清晰。

    表  1  特征值相干不同表征公式
    Table  1.  Different characterization formulas of eigenvalue coherence
     时间作者表征公式物理含义
     1999Gersztenkorn
    和Marfurt
    ${C_{31}} = \displaystyle \dfrac{{{\lambda _1}}}{{\sum\limits_{j = 1}^J {{\lambda _j}} }}$用最大特征值在所有特征值中的占比来表示相干
     2000Randen等${C_{32} } = \displaystyle \dfrac{ {2{\lambda _2} } }{ { {\lambda _1} + {\lambda _3} } } - 1 = \dfrac{ { {\lambda _2} - {\lambda _3} - ( { {\lambda _1} - {\lambda _2} } )} }{ { {\lambda _1} + {\lambda _3} } }$被称为“chaos”的相干属性
     2002Bakker${C_{33} } = \displaystyle \dfrac{ {2{\lambda _2}( { {\lambda _2} - {\lambda _3} })} }{ {( { {\lambda _1} + {\lambda _2} } )( { {\lambda _2} + {\lambda _3} } )} }$重点考虑第2特征值和第3特征值的差异
     2007Donias等${C_{34} } = 1 - \displaystyle \dfrac{3}{2}\dfrac{ { {\lambda _2} + {\lambda _3} } }{ { {\lambda _1} + {\lambda _2} + {\lambda _3} } } = \dfrac{ { {\lambda _1} - {\lambda _2} + {\lambda _1} - {\lambda _3} } }{ {2( { {\lambda _1} + {\lambda _2} + {\lambda _3} } )} }$“disorder”相干属性
     2017Wu${C_{35}} = \displaystyle \dfrac{{{\lambda _1}{{ - }}{\lambda _2}}}{{{\lambda _1}}}$利用第1特征值和第2特征值的差异
    下载: 导出CSV 
    | 显示表格

    图2(b)所示模型,计算C31相干,提取时间为55 ms处的相干切片与原始切片进行比较(图3)。可以看到:①原始切片(图3(a))展示的是振幅信息,所以河道内是包含振幅信息的,河道显示是“实心”的;②相干(图3(b))突出的是异常信息,所以在相干体上展示的是河道边缘信息,河道是“空心”的;③无论是原始切片还是相干切片,显示的幅值范围都需要人工设置比较合理的范围,才能做到基本清晰(如图3(c)调整了色标幅值范围,河道边缘对比度有了一定的提高,但受背景噪声影响,即使精细调整色标范围仍难以精准刻画能量较弱的河道边缘)。

    图  3  模型相干切片与原始振幅切片比较
    Figure  3.  Comparison between model coherence and original amplitude slices

    选取胜利油田罗家高密度资料作为实例数据,数据范围400线和600道,时间950~1050 ms。研究区曲流河、辫状河等河流相储层比较发育,河道相互叠置,横向变化大,砂体厚度小,河道砂体的精细描述是勘探开发的重点。

    通过观察原始振幅切片(图4(a),T0=984 ms)可以看到:①研究区中间偏右侧南北向发育有一条宽度较大的河道;②北部1条河道虽然不是很宽,但振幅较强。研究区大量发育的是河道较小的曲流河,它们的相干值差异不大,大量值分布在白色的小值上(图4(b),显示范围0.45~1.0),此时需要人为设置显示范围才能较好地展示全区河道分布(图4(c),显示范围0.8~1.0)。且即使色标做了调整,对河道的的刻画效果仍然欠佳,个别振幅较小的河道的边缘特征不明显,进行基于图像处理的目标处理具有客观必要性。

    图  4  实际资料相干切片与原始振幅切片比较
    Figure  4.  Comparison between coherence and original amplitude slices of the actual data

    计算一个点的导数,容易出现异常值。利用多个点特殊的组合,进行数值或导数计算,可以得到具有某些特殊特征的图像,这就是算子处理的功效。在图像处理领域,常用算子包括Canny、Prewitt、Sobel、Roberts、Laplace、LoG算子等,其中Sobel算子在梯度运算中应用了局部平均的思想,使其具备较强的抗噪能力,检测结果不易受噪声干扰,在地震边缘检测中已有应用[12-14]

    下面以Sobel算子为例,阐述其物理含义与计算公式。如图5,对于中心点(x, y),将第3列的和(局部平均)减去第1列的和,构建的是该点x方向的梯度Gx。求和运算可以均衡幅值,起到平滑的作用,计算时距离中心点最近的两个点(x+1, y)和(x − 1, y)给予2倍的权重;相减(差分)操作可以突出异常的边缘信息,同时起到去除相似背景的作用。类似地,可以得到y方向的梯度Gy。上述操作既可以用计算公式(1)实现,也可以核函数卷积实现,核函数设置见图5

    图  5  Sobel算子及核函数解析图
    Figure  5.  Analytical diagram of the Sobel operator and kernel function
    $$ \left\{ {\begin{array}{*{20}{l}} {{\boldsymbol{G}}_x} = & \{u (x + 1,y - 1) + 2u (x + 1,y) + u (x + 1,y + 1)\} -\\ & \{u (x - 1,y - 1) + 2u (x - 1,y) + u (x - 1,y + 1)\} \\ {{\boldsymbol{G}}_y} = &\{u (x - 1,y + 1) + 2u (x,y + 1) + u (x + 1,y + 1)\} - \\ &\{u (x - 1,y - 1) + 2u (x,y - 1) + u (x + 1,y - 1)\} \end{array}} \right. 。 $$ (1)

    实际应用时既可以用xy方向的梯度单独表示,使其具有方向性,也可以用1范数、2范数或$ \infty $范数(极大模)表示。

    $$ {{\boldsymbol{G}}_1} = \Big| {{{\boldsymbol{G}}_x}} \Big| + \Big| {{{\boldsymbol{G}}_y}} \Big| \text{,} $$ (2)
    $$ {{\boldsymbol{G}}_2} = \sqrt {{\boldsymbol{G}}_x^2 + {\boldsymbol{G}}_y^2} \text{,} $$ (3)
    $$ {\boldsymbol{G}}_{\infty} = \max \Big( {\big| {{{\boldsymbol{G}}_x}} \big|,\big| {{{\boldsymbol{G}}_y}} \big|} \Big) 。 $$ (4)

    为检验本文方法有效性,对图6(a)所示切片,用Sobel算子进行处理,结果如图6(b)~图6(d)所示。梯度处理后河道两侧出现了不同极性的边缘,以能量较强的河道1为例,边缘右负左正、下负上正,这与前文中图1的理论分析一致。经Gx方向处理后,线方向的河道边缘特征得到较好展示;Gy方向处理后,道方向的河道边缘特征有所加强,但南北向的河道空间特征变得模糊。图6(d)是计算GxGy模极大值结果,可以看到由于已计算了梯度的绝对值,河道出现类似于相干检测的边缘特征。总的来看,原始切片在采用Sobel算子做相关处理后相比于传统相干属性其边缘检测效果获得一定的增强,但对于能量较弱的河道边缘检测效果仍有待提高。

    图  6  理论模型Sobel算子处理及效果比较
    Figure  6.  Sobel operator processing and effect comparison of the theoretical model

    图7(a)实际资料进行处理,结果如图7(b)~图7(d)所示。对比分析可知,不同方向Sobel算子对南北向和东西向河道识别能力不一样,这与模型讨论认识一致;相对方向梯度,使用模值表征更利于刻画细小河道。

    图  7  实际资料Sobel算子处理及效果比较
    Figure  7.  Sobel operator processing and effect comparison of the actual data

    需要指出的是,以上只是对切片进行Sobel卷积操作,它没有构造导向和挖掘数据子体内部特征的功能,效果还比较受限,分辨率还有待提高。

    经相干体处理后的切片其数值分布范围很不均匀,且该经典方法与本文后续提出的基于算子处理的边缘增强技术对能量较弱地质异常体边缘显示效果仍然不佳。针对这样的问题,我们采用基于图像灰度处理的边缘增强技术来加以改善。

    图像边缘的抽象定义为图像灰度发生空间突变的像素集合,以灰度值表征的图像在均匀区域之间的幅值突变被称为边缘。若将地震数据视为图像,地震振幅视为灰度,地震边缘对应的幅值突变区域往往是波阻抗界面产生的位置,它是地下构造或岩性信息的一种反映。

    为解决相干处理后切片数值分布范围不均匀的问题,文章引入图像处理中的灰度直方图均衡化技术。首先统计灰度图像中元素具有的相同灰度值i出现的次数ni,计算灰度值i出现的概率:

    $$ P(i) = \frac{{{n_i}}}{n},\begin{array}{*{20}{c}} {}&{} \end{array}i \in 0,1,\cdots,{L_0} - 1 , $$ (5)

    式中,n为图像像素总数,L0为图像灰度矩阵中非重复灰度级的个数。再计算灰度值i的累计概率:

    $$ c(i) = \sum\limits_{k = 0}^i {P(k)} 。 $$ (6)

    按以下映射关系对原始像素进行处理,其中$ {C_{\text{p}}}(i) $为当前元素灰度值的均衡化结果,Le为图像处理预期的总灰度级(取值256):

    $$ {C_{\text{p}}}(i) = {\rm{round}}\Big( {c(\,i\,) \times ({L_e} - 1)} \Big) \text{,} $$ (7)

    round为四舍五入取整函数,用${C_{\text{p}}}(i)$替代原始灰度值为i的像素,得到最终均衡结果。

    为了进一步分离出相干等切片上的有效边缘信息,对均衡化后的图像做进一步模糊增强处理。方法核心思想是利用隶属度函数将空间域图像变换为模糊域内的模糊特征平面,在模糊特征平面上对模糊特征进行非线性变换,最后将其变换回空间域,得到增强处理的图像。

    在模糊集理论中,将一幅灰度级为LM×N图像u视为一个模糊集,通过隶属度函数将其由空间域转换到模糊特征域,并由模糊矩阵P进行表征:

    $$ {\boldsymbol{P}} = \bigcup\limits_{i = 1}^M {\bigcup\limits_{j = 1}^N {{\mu _i}_j} } /{u_i}_j;\begin{array}{*{20}{c}} {}&{} \end{array}i = 1,2, \cdots ,M;\begin{array}{*{20}{c}} {}&{} \end{array}j = 1,2, \cdots ,N \text{,} $$ (8)

    式中,${\mu _i}_j\left( {0 \leq {\mu _i}_j \leq 1} \right)$表示图像中第(ij)个像素点的灰阶,$ {u_i}_j $为特定灰度级的隶属度,一般这个特定灰度级取图像最大灰度$ {u_{\max }} $$ {\mu _i}_j $组成模糊特征平面$ \left\{ {{\mu _i}_j} \right\} $。采用Pal-King算法中的隶属函数[16]

    $$ {\mu _i}_j = F({u_{ij}}) = {\Big( {1 + \big( {( {{u_{\max }} - {u_{ij}}} )/{F_d}} \big)} \Big)^{ - {F_e}}} \text{,} $$ (9)

    式中,Fd为倒数模糊因子,Fe为指数模糊因子,这里取Fd=128,Fe=2。对$ {\mu _i}_j $进行模糊增强,非线性增强变换函数为:

    $$ {\mu _i}_j' = {E_r}({\mu _i}_j) = {E_1}\left( {{E_{r - 1}}({\mu _i}_j)} \right);\begin{array}{*{20}{c}} {}&{} \end{array}r = 1,2, \cdots ,$$ (10)
    $$ {E_1}({\mu _i}_j) = \left\{ {\begin{aligned} &2{\mu _i}{{_j}^2},&0 \leq {\mu _i}_j \leq {\mu _c} \\ &1 - 2{{\left( {1 - {\mu _i}_j} \right)}^2},&{\mu _c} \leq {\mu _i}_j \leq 1 \end{aligned}} \right. \text{,} $$ (11)

    式中,$ {E_r} $表示对函数Er次迭代运算,$ {\mu _c} $为渡越点,一般取0.5。利用$ {F^{ - 1}} $$ {\mu _i}_j' $进行逆变换即可得到增强后的图像$ {l_{ij}} $

    $$ {l_{ij}} = {F^{ - 1}}({\mu _i}_j') = {u_{\max }} + {F_d}\left( {1 - {{({\mu _i}_j')}^{ - \frac{1}{{{F_e}}}}}} \right) 。 $$ (12)

    从前面分析已知,相干切片上能量较弱的河道2与河道3的边缘特征依然不够清晰(图8(a)),视觉分辨率不高。分析其原因主要是灰度值过于集中(图8(c),灰度值大多聚焦在白色的大值上),所以与背景值接近的河道不易识别。图8(b)为灰度均衡化后结果,此时直方图主灰度级已分散到6个以上(图8(d)),由此河道弱边缘特征得到较大增强,不过背景噪声也被同步放大,需要后续进一步处理。

    图  8  理论模型灰度均衡化处理前后切片及直方图对比
    Figure  8.  Comparison of slices and histograms before and after grayscale equalization of the theoretical model

    针对均衡后噪声同步放大的问题(图9(a)),用模糊增强方法做进一步处理,图9(b)~图9(e)为1~4次模糊增强结果。可以看到:①1次模糊增强处理后,背景噪声得到较大程度的压制,弱边缘得到进一步增强;②模糊次数增加到 4次,噪声确实已得到较好去除,但边缘信息损失也很大。总的来看,1~2次模糊增强效果较好。

    图  9  理论模型图像模糊增强处理及效果对比
    Figure  9.  Image fuzzy enhancement processing and effect comparison of the theoretical model

    利用以上方法对实际资料相干切片,做直方图均衡化和模糊增强处理,结果如图10所示。可以看到:①原始相干切片的灰度范围较为集中,对比度不高,直方图均衡化后河道边缘特征变得比较清楚,由此也说明这样的图像目标处理十分必要;②与模型测试类似,模糊增强处理1~2次,能消除部分较强能量的背景信息,使河道边缘得到更好展示,有利于储层精细描述与油气预测。

    图  10  实际资料图像处理前后相干切片对比
    Figure  10.  Comparison of coherent slices before and after image processing of the actual data

    对于频繁分叉改道、多期砂体叠置的复杂河流相储层,直接用振幅切片,识别能力有限。多道相干计算,利用河道的空间信息,河道的边缘特征得到了有效的提取。但由于背景噪声的影响,相干体上能量较弱的细小河道还是得不到很好成像。

    利用图像处理中的灰度直方图均衡化技术,可以有效提高相干属性切片的对比度,凸显微小边缘特征。在此基础上进一步结合模糊增强,分离有效边缘和无效背景,可以进一步增强相干属性的边缘表征能力。

    图像处理中,Canny、Prewitt、Sobel等算子处理,物理意义明确,操作简单、快捷,可用于河流相储层的边缘检测。

  • 图  1   心肌碘浓度、LVEF与BNP相关性分析

    Figure  1.   Correlation analysis of myocardial iodine concentration, LVEF and BNP

    图  2   碘图、BNP及碘图联合BNP预测AMI后HF诊断的ROC曲线

    Figure  2.   ROC curve of diagnosis of HF after AMI was predicted by iodine map, BNP and iodine map combined with BNP

    图  3   男性患者,68岁。(a)(b)冠状动脉CTA 图像:左前降支管腔重度狭窄;(c)双能CT心肌灌注伪彩图:左心室第8、13、14、17节段灌注缺损;(d)左心室短轴位心肌碘图:缺损区碘浓度平均值为0.3 mg/mL

    Figure  3.   Male patient, 68 years old. (a) and (b) show CTA images of coronary arteries: Severe stenosis of the left anterior descending branch. (c) shows dual-energy CT pseudo-color image of myocardial perfusion: Perfusion defects in left ventricular segments 8, 13, 14 and 17. (d) shows short axial myocardial iodinogram of the left ventricle: The mean iodine concentration in the defect area was 0.3 mg/mL

    表  1   HF组与非HF组患者一般资料比较

    Table  1   Comparison of general data between HF group and non-HF group

    基本情况组别 统计检验
    HF组(n=42)非HF组(n=73)χ2/tP
    年龄/岁   68.15±6.3259.90±7.12 4.3570.095
    男/女    24/1845/280.2250.635
    心肌梗死史/例 4183.9470.047
    高血压史/例  27430.3240.569
    糖尿病史/例 15240.0960.757
    高脂血症史/例19280.5220.470
    下载: 导出CSV

    表  2   两组CT心肌灌注及实验室检查情况

    Table  2   CT myocardial perfusion and laboratory examination of the two groups

    检查项目组别统计检验
    HF组(n=42)非HF组(n=73)tP
    LVEF/%      39.85±6.23 60.14±5.31 18.5030.001
    心肌碘浓度/(mg/mL)1.43±1.01 3.43±0.8511.274<0.001
    BNP/(ng/L)    585.57±163.91360.16±87.28-8.2610.002
    下载: 导出CSV

    表  3   AMI后发生HF的危险因素分析

    Table  3   Risk factors of HF after AMI

    检验变量标准误OR值95%CIP
    心梗病史 0.5930.7800.925~1.0180.408
    LVEF   0.1251.3701.015~1.6790.034
    BNP    0.1081.0850.987~1.0910.006
    心肌碘浓度0.4631.2760.679~2.3240.012
    下载: 导出CSV

    表  4   碘图、BNP及碘图联合BNP预测AMI后HF诊断效能的比较

    Table  4   Comparison of diagnostic efficacy of iodine map, BNP and iodine map combined with BNP in predicting HF after AMI

    指标灵敏度/%特异度/%AUC
    碘图联合BNP预测88.178.10.926
    碘图81.072.60.863
    BNP78.667.10.757
    下载: 导出CSV

    表  5   不同Killip分级间心肌碘浓度、LVEF、BNP比较情况

    Table  5   Comparison of myocardial iodine concentration, LVEF and BNP among different Killip grades

    分组例数心肌碘浓度/(mg/mL)LVEF/%BNP/(ng/L)
    非HF组733.42±0.85 60.14±5.31 360.16±87.48
    Killip Ⅱ级161.59±1.07ab41.52±5.93ab 424.13±118.73ab
    Killip Ⅲ级141.66±0.97ab40.43±4.28ab616.14±17.99ab
    Killip Ⅳ级120.88±0.59ab34.12±5.76ab765.16±78.94ab
     注:a.与非HF组比较,P<0.05;b.不同NYHA分级分组之间两两比较,P<0.05。
    下载: 导出CSV
  • [1]

    FACH A, BÜNGER S, ZABROCKI R, et al. Comparison of outcomes of patients with ST-segment elevation myocardial infarction treated by primary percutaneous coronary intervention analyzed by age groups (<75, 75 to 85, and >85 years); (Results from the Bremen STEMI Registry)[J]. American Journal of Cardiology, 2015, 116(12): 1802−1809. doi: 10.1016/j.amjcard.2015.09.022

    [2]

    WEIR R, MCMURRAY J J V, VELAZQUEZ E J. Epidemiology of heart failure and left ventricular systolic dysfunction after acute myocardial infarction: Prevalence, clinical characteristics, and prognostic importance[J]. American Journal of Cardiology, 2006, 97(10A): 13F−25F.

    [3]

    DELGADO C, M VÁZQUEZ, OCA R, et al. Myocardial ischemia evaluation with dual-source computed tomography: Comparison with magnetic resonance imaging[J]. Revista Espaola de Cardiología, 2013, 66(11): 864−870.

    [4] 董宁超, 程国杰, 张弓, 等. 血BNP浓度对急性心肌梗死患者心力衰竭的早期预测效果[J]. 解放军预防医学杂志, 2019,37(6): 163−164.

    DONG N C, CHENG G J, ZHANG G, et al. Effect of serum BNP concentration on early prediction of heart failure in patients with acute myocardial infarction[J]. Journal of Preventive Medicine of Chinese People's Liberation Army, 2019, 37(6): 163−164. (in Chinese).

    [5]

    ISLAM M N, ALAM M F, DEBNATH R C, et al. Correlation between Troponin-I and B-type natriuretic peptide level in acute myocardial infarction patients with heart failure[J]. Mymensingh Medical Journal, 2016, 25(2): 226−231.

    [6]

    RYBICKI F J, UDELSON J E, PEACOCK W F, et al. 2015 ACR/ACC/AHA/AATS/ACEP/ASNC/NASCI/SAEM/SCCT/SCMR/SCPC/SNMMI/STR/STS appropriate utilization of cardiovascular imaging in emergency department patients with chest pain: A joint document of the american college of radiology appropriateness criteria committee and the american college of cardiology appropriate use criteria task force[J]. Journal of the American College of Cardiology, 2016, 67(7): 853−879. doi: 10.1016/j.jacc.2015.09.011

    [7]

    ROFFI M, PATRONO C, COLLET J P, et al. 2015 ESC guidelines for the management of acute coronary syndromes in patients presenting without persistent ST-segment elevation: Task force for the management of acute coronary syndromes in patients presenting without persistent ST-segment elevation of the European Society of Cardiology (ESC)[J]. European Heart Journal, 2016, 37(3): 267−315. doi: 10.1093/eurheartj/ehv320

    [8]

    KIM M S, LEE J H, KIM E J, et al. Korean guidelines for diagnosis and management of chronic heart failure[J]. Korean Circulation Journal, 2017, 47(5): 555−643. doi: 10.4070/kcj.2017.0009

    [9] 中华医学会心血管病学分会, 中华心血管病杂志编辑委员会. 中国心力衰竭诊断和治疗指南2014[J]. 中华心血管病杂志, 2014,42(2): 98−122. doi: 10.3760/cma.j.issn.0253-3758.2014.02.004

    Chinese Society of Cardiology, Editorial Board of Chinese Journal of Cardiology. Chinese guidelines for diagnosis and treatment of heart failure 2014[J]. Chinese Journal of Cardiology, 2014, 42(2): 98−122. (in Chinese). doi: 10.3760/cma.j.issn.0253-3758.2014.02.004

    [10] 毛懿, 杨跃进, 张健, 等. 急性心肌梗死患者血B型利钠肽水平与心功能的相关性和诊断心力衰竭的价值[J]. 中华心血管病杂志, 2009,37(3): 218−222. doi: 10.3760/cma.j.issn.0253-3758.2009.03.005

    MAO Y, YANG Y J, JIAN Z, et al. The relationship between plasma BNP level and the left ventricular dysfunction parameters in patients with acute myocardial infarction and its value in diagonosing heart failure[J]. Chinese Journal of Cardiology, 2009, 37(3): 218−222. (in Chinese). doi: 10.3760/cma.j.issn.0253-3758.2009.03.005

    [11] 李睿, 栾波, 段娜, 等. 辽西不同地区急性心肌梗死相关危险因素比较分析[J]. 中国循证心血管医学杂志, 2018,10(3): 300−303. doi: 10.3969/j.issn.1674-4055.2018.03.11

    LI R, LUAN B, DUAN N, et al. Comparative analysis of risk factors related to acute myocardial infarction in different areas of western Liaoning[J]. Chinese Journal of Evidence-Based Cardiovascular Medicine, 2018, 10(3): 300−303. (in Chinese). doi: 10.3969/j.issn.1674-4055.2018.03.11

    [12] 张胜豪, 刘恒亮, 毛磊, 等. 血清糖类抗原125及脑钠肽水平对心肌梗死后心力衰竭发生及严重程度的预测价值[J]. 中国动脉硬化杂志, 2019,27(1): 55−60. doi: 10.3969/j.issn.1007-3949.2019.01.011

    ZHANG S H, LIU H L, MAO L, et al. Predictive value of serum carbohydrate antigen 125 and brain natriuretic peptide levels in the occurrence and severity of heart failure after myocardial infarction[J]. Chinese Journal of Arteriosclerosis, 2019, 27(1): 55−60. (in Chinese). doi: 10.3969/j.issn.1007-3949.2019.01.011

    [13] 朱志远, 戴军, 王海燕, 等. 急性心肌梗死患者血清hs CRP/PAB、NT-pro BNP、LVEF水平与心力衰竭发生的相关性[J]. 中国医药导刊, 2019,21(7): 392−395. doi: 10.3969/j.issn.1009-0959.2019.07.003

    ZHU Z Y, DAI J, WANG H Y, et al. Correlation between serum hs CRP/PAB, NT-pro BNP, LVEF Levels and heart failure in patients with acute myocardial infarction[J]. Chinese Journal of Medicinal Guide, 2019, 21(7): 392−395. (in Chinese). doi: 10.3969/j.issn.1009-0959.2019.07.003

    [14]

    DANAD I, SZYMONIFKA J, SCHULMAN-MARCUS J, et al. Static and dynamic assessment of myocardial perfusion by computed tomography[J]. European Heart Journal Cardiovasc Imaging, 2016, 17(8): 836−844. doi: 10.1093/ehjci/jew044

    [15] 韩瑞娟, 孙凯, 李坤成, 等. 第二代双源CT双能量心肌灌注成像对心肌梗死的诊断价值[J]. 中华诊断学电子杂志, 2015,3(3): 17−21.

    HAN R J, SUN K, LI K C, et al. Diagnostic accuracy of the second generation dual-source dual-energy CT myocardial perfusion imaging in patients with suspicious myocardial infarction[J]. Chinese Journal of Diagnostics (Electronic Edition), 2015, 3(3): 17−21. (in Chinese).

    [16]

    SCHWARZ F, RUZSICS B, SCHOEPF U J, et al. Dual-energy CT of the heart−Principles and protocols[J]. European Journal of Radiology, 2008, 68(3): 423−433. doi: 10.1016/j.ejrad.2008.09.010

    [17]

    HO K T, ONG H Y, TAN G, et al. Dynamic CT myocardial perfusion measurements of resting and hyperaemic blood flow in low-risk subjects with 128-slice dual-source CT[J]. European Heart Journal Cardiovasc Imaging, 2015, 16(3): 300−306. doi: 10.1093/ehjci/jeu200

    [18]

    NICCOLI G, SCALONE G, LERMAN A, et al. Coronary microvascular obstruction in acute myocardial infarction[J]. European Heart Journal, 2016, 37(13): 1024−1033. doi: 10.1093/eurheartj/ehv484

    [19] 马海彦, 王玉权, 谢光友, 等. 动态CT心肌灌注成像定量心肌血流量与ST段抬高心肌梗死患者肌钙蛋白水平及左心室功能受损的相关性[J]. 实用医学杂志, 2020,36(10): 1371−1375. doi: 10.3969/j.issn.1006-5725.2020.10.020

    MA H Y, WANG Y Q, XIE G Y, et al. Dynamic CT myocardial perfusion imaging with quantitative MBF correlated with troponin level and impaired left ventricular function in patients with ST− Segment elevation myocardial infarction[J]. Journal of Practical Medicine, 2020, 36(10): 1371−1375. (in Chinese). doi: 10.3969/j.issn.1006-5725.2020.10.020

    [20]

    MEINEL F G, PUGLIESE F, SCHOEPF U J, et al. Prognostic value of stress dynamic myocardial perfusion CT in a multicenter population with known or suspected coronary artery disease[J]. American Journal of Cardiology, 2017, 208(4): 761−769.

    [21] 赵娜, 高扬. 心脏功能学CT成像技术的研究及应用现状[J]. 中国循环杂志, 2020,35(11): 1139−1143. doi: 10.3969/j.issn.1000-3614.2020.11.016

    ZHAO N, GAO Y. Research and application status of CT imaging in cardiac function[J]. Chinese Circulation Journal, 2020, 35(11): 1139−1143. (in Chinese). doi: 10.3969/j.issn.1000-3614.2020.11.016

  • 期刊类型引用(0)

    其他类型引用(1)

图(3)  /  表(5)
计量
  • 文章访问数:  256
  • HTML全文浏览量:  129
  • PDF下载量:  19
  • 被引次数: 1
出版历程
  • 收稿日期:  2021-12-19
  • 录用日期:  2022-02-15
  • 网络出版日期:  2022-03-04
  • 发布日期:  2022-05-22

目录

/

返回文章
返回
x 关闭 永久关闭