前沿进展｜李鹏团队在《Medical Image Analysis》发表血管内OCT功能成像研究成果：融合近红外光谱实现脂质斑块精准检测
发布时间：2026-08-24 10:54:48 阅读次数：6
以下内容转载于浙大光电公众号
01
研究成果概述
近日，浙江大学光电科学与工程学院李鹏团队联合复旦大学附属中山医院葛均波院士团队、天津恒宇医疗企业团队，在冠脉OCT技术与临床应用研究方面取得新进展。相关研究成果以 “Coronary lipid detection by fusing OCT-derived near-infrared spectra and image morphology” 为题，发表于医学影像领域国际权威期刊《Medical Image Analysis》。
该研究聚焦冠心病高风险脂质斑块的精准检测与定量表征，充分融合OCT所提供的光谱与结构形态信息，提出NIRSMorNet智能分析模型，实现冠脉脂质的智能检测，并进一步实现脂质证据的深度分辨与可视化表征，为冠脉脂质斑块的智能识别与精准评估提供了新的技术路径。相关专利技术已经在恒宇OCT设备转化应用，服务超百余家医院。
02
背景介绍
冠脉脂质负荷及其空间分布是高风险斑块评估的重要依据。IVOCT具有较高空间分辨率，但脂质识别仍主要依赖组织形态和信号衰减特征；近红外光谱虽可提供脂质相关信息，却缺乏径向深度分辨能力。光谱OCT有望兼顾光谱信息与深度定位，但脂质相关光谱线索微弱、易受组织散射干扰，如何有效提取并融合光谱与形态信息，成为冠脉脂质智能分析的关键问题。
03
文章亮点
1. 挖掘IVOCT弱光谱信息，实现光谱形态协同脂质识别
针对IVOCT近红外波段脂质相关光谱线索微弱、易受组织散射干扰的问题，研究团队从原始干涉信号中构建近红外光谱子带，并采用共享参考归一化保留子带间相对差异，通过NIRSMorNet实现光谱与形态信息的协同学习。对比及扰动实验表明，引入光谱子带可提升脂质检测性能，模型预测对相对子带分布具有明显依赖，验证了IVOCT原始信号中光谱信息对冠脉脂质识别的互补价值。
图1 NIRSMorNet冠脉脂质检测总体框架
图2 光谱子带信息对冠脉脂质检测性能的影响
2. 利用血管壁环向连续性提升复杂场景下的脂质识别稳定性
针对脂质相关光谱响应易受散斑、衰减和导丝阴影等因素干扰的问题，研究团队引入跨尺度状态空间模块（CSM），利用血管壁环向连续性建模长程上下文，提升脂质证据的空间连续性与稳定性。与无上下文建模、Bi-LSTM和Transformer等方法相比，CSM取得更优的综合检测性能；NIRSMorNet在内部及独立外部队列中的AUC分别达到0.971和0.934，进一步验证了光谱—形态融合方法在复杂场景及不同设备条件下的有效性。
图3 不同环向上下文建模方法的脂质检测结果对比
图4 NIRSMorNet在内部及独立外部队列中的脂质检测性能
3. 构建深度分辨脂质证据，实现回撤级可追溯分析
在A-line级脂质检测基础上，研究团队结合OCT有效信号范围与光学穿透约束，生成深度分辨脂质证据图，并进一步构建LCBI2mm和TCFA-LPI2mm纵向指标，将回撤级高值区域追溯至对应横截面及脂质证据，实现从全回撤筛查到重点区域核查的可追溯分析，为冠脉脂质斑块的快速定位与专家辅助审阅提供依据。
图5 模型深度分辨脂质证据与专家标注对比
图6 冠脉脂质证据的全回撤可视化与纵向分析
相关专利技术已经在恒宇OCT设备转化应用，服务超百余家医院
04
总结与展望
本研究面向冠脉脂质斑块智能分析需求，提出融合OCT近红外光谱与图像形态的NIRSMorNet框架，实现脂质识别与可追溯空间分析，为拓展IVOCT冠脉斑块智能分析能力提供了新的技术路径与方法支撑。
论文/作者信息
论文共同第一作者为刘洁宏、徐仁德，共同通讯作者为李鹏和复旦大学附属中山医院李晨光，指导专家为复旦大学附属中山医院葛均波院士。相关工作得到国家自然科学基金、国家重点研发计划等项目支持。
论文信息及链接：
Jiehong Liu, Rende Xu, Qiyuan Yin, Xinyu Tan, Feng Cui, Bin Wang, Ziye Chen, Shiyong Zhao, Chenguang Li, Junbo Ge, Peng Li, Coronary Lipid Detection by Fusing OCT-Derived Near-Infrared Spectra and Image Morphology, Medical Image Analysis, 2026, 104266, ISSN 1361-8415, https://doi.org/10.1016/j.media.2026.104266.
编辑：朱听雨
审核：王攀
随时信息