Обоснование. Алгоритмы искусственного интеллекта активно применяют для анализа изображений, полученных с помощью различных методов лучевой диагностики. Эффективность работы таких алгоритмов во многом зависит от наличия релевантных и репрезентативных обучающих наборов данных. Существует потребность в увеличении объёма таких данных в открытом доступе, в частности наборов данных, содержащих изображения компьютерной томографической ангиографии брюшной аорты не только с классификацией патологий, но и сегментацией сосудов. К недостаткам существующих решений можно отнести малый объём выборок, узкую специализацию наборов данных, разрозненность методологии их подготовки.

Цель — создание открытого набора данных, содержащего изображения компьютерной томографической ангиографии с сегментацией брюшного отдела аорты для случаев нормы, расширения, тромбоза и кальциноза.

Материалы и методы. В соответствии с методологией проведения тестирования алгоритмов искусственного интеллекта разработано техническое задание на подготовку набора данных, рассчитан необходимый объём выборки и получено разрешение независимого этического комитета. Для создания набора данных применён разработанный ранее оригинальный алгоритм полуавтоматической сегментации с использованием программного обеспечения Slicer 3D. Критерии включения: результаты компьютерной томографической ангиографии либо компьютерной томографии брюшной полости с контрастированием; наличие артериальной фазы сканирования; толщина среза ≤3 мм. Критерии исключения: наличие любых инородных тел в просвете аорты; диссекция аорты. Проведена апробация алгоритма на результатах исследования пациентов, полученных из Единой радиологической информационной системы. Осуществлена экспертная оценка соответствия полученных результатов сформированным требованиям, а также оценка временных затрат при использовании разработанного алгоритма сегментации.

Результаты. Рассчитанный объём выборки составил 100 ангиографических исследований, содержащих артериальную фазу сканирования, с толщиной среза ≤1,2 мм. Популяционные данные: количество уникальных пациентов — 100, доля пациентов женского пола — 51%; медиана возраста составила 62 года при размахе значений от 18 до 84 лет. Патология (в том числе комбинированная) обнаружена в 61% случаев: 60 результатов исследования содержали признаки кальциноза, 18 — расширение аорты и столько же результатов — признаки тромбированного просвета. Среднее время обработки одного исследования (100 срезов) с использованием разработанного алгоритма сегментации составило 0,8 часа.

Заключение. Создан набор данных, содержащий 100 результатов компьютерной томографической ангиографии с сегментацией брюшной аорты для случаев нормы, расширения, тромбоза и кальциноза просвета. Набор данных представлен в открытом доступе и его можно использовать с целью разработки и тестирования алгоритмов искусственного интеллекта, а также антропоморфного моделирования брюшной аорты.

论证。人工智能算法广泛应用于通过不同放射诊断方法获取的图像分析中。这些算法的有效性在很大程度上依赖于相关性和代表性强的训练数据集。当前，迫切需要增加公开数据集的数量，特别是包含计算机断层扫描血管造影腹主动脉图像的数据集，这些数据集不仅包含病变分类信息，还包括血管分割。现有方案的缺点主要包括样本量较小、数据集专一性较强以及准备方法的不一致性。

目的。创建一个开放的数据集，包含计算机断层扫描血管造影图像，并对腹主动脉的正常、扩张、血栓形成及钙化情况进行分割。

材料与方法。根据人工智能算法测试方法学，制定了数据集准备的技术任务，计算了所需的样本量，并获得了独立伦理委员会的批准。为了创建数据集，采用了之前开发的基于Slicer 3D软件的半自动分割算法。纳入标准：计算机断层扫描血管造影或腹部计算机断层扫描（含造影）结果；具备动脉相扫描；切片厚度 ≤ 3 mm。排除标准：主动脉腔内存在异物；主动脉夹层。该算法在从Unified Radiological Information System中获取的患者研究结果上进行了验证。并对获得的结果与已制定的要求进行了专家评估，同时评估了使用该分割算法所需的时间。

结果。根据要求计算出的样本量为100个包含动脉相扫描且层厚≤1.2 mm的血管造影研究结果。人群数据：独立患者数量为100人，女性患者占比51%；患者年龄中位数为62岁，年龄范围从18岁到84岁不等。61%的病例发现病变（包括联合病变）：其中，60个病例表现出钙化迹象，18个病例表现为主动脉扩张，另外18个病例显示有血栓形成迹象。采用分割算法处理一个研究结果（100层扫描）所需的平均时间为0.8小时。

结论。创建了一个包含100个计算机断层扫描血管造影结果的数据集，数据集包含腹主动脉腔的正常、扩张、血栓形成及钙化的分割结果。该数据集已开放，可以用于人工智能算法的开发和测试，以及腹主动脉的类人建模。