【优博风采】北京工业大学优秀博士学位论文获得者：刘金城

【编者按】

为进一步培养我校研究生创新能力，提高研究生综合素质，促进学校研究生教育内涵发展，特推出“优博风采”专栏，邀请校级及以上优秀博士学位论文获得者分享科研历程与学术体会、展示创新成果与学位论文等，旨在激励我校研究生秉持“不息为体，日新为道”校训精神，潜心研究、锐意创新。

本期专访人物：生物医学工程学科博士研究生 刘金城

所获奖励名称：2024年北京工业大学优秀博士学位论文

【精诚所至，金石为开】

回望在北京工业大学科研、学习的六年硕博生涯，是我求学生涯中最宝贵的经历和财富。这段时间，让我从一个懵懂的少年，成长为一位合格的科研人员，也让我在生命科学领域留下了自己小小的足迹，坚实地迈出了科研的第一步。科研的旅程如同攀登一座未知的高山，充满了艰辛与挑战。在这条路上，经历了无数次的实验失败与反复的理论推导，但每一次的挫折都让我更加坚定和执着。每一个微小的进步，每一次成功的实验，都是对我坚持和努力的最好回报。这段科研生涯，不仅让我在专业上取得了进步，也让我在个人成长中收获了宝贵的经验和教训。我相信，未来的道路上，我会继续保持这份热情和坚持，不断探索未知的科学领域，追求更大的突破。

【博士论文介绍】

论文中文题目：冠脉狭窄与心肌缺血定量关系的生物力学研究

论文英文题目：BIOMECHANICAL STUDY OF THE QUANTITATIVE RELATIONSHIP BETWEEN CORONARY STENOSIS AND MYOCARDIAL ISCHEMIA

作 者：刘金城

指导教师：刘有军 教授

培养单位：化学与生命科学学院

学 科：生物医学工程

学位论文答辩现场

论文主要贡献及创新点

目前，侵入性血流储备分数(Fractional flow reserve，FFR)已成为诊断冠心病的“金标准”。然而，其有创测量和高昂的医疗成本使得临床应用受到一定的限制。随着个性化和精准医疗的深入发展，利用最新的医学影像设备、计算机科学技术、流体力学以及人工智能的结合，诞生的一系列革新技术正逐步挑战传统血流储备分数的计算方式。

本研究基于生物力学建模仿真方法建立的数值模拟血流动力学模型实现了心肌缺血的高效准确预测；此外基于区域心肌灌注定量描述了冠脉狭窄与心肌缺血之间的生物力学关系。在提高冠心病的诊断精度、计算速度、便捷性和安全性方面做出了贡献，对于未来实现心血管疾病的无创诊断和精准治疗的科学愿景具有理论和临床意义。

主要创新点如下：

1. 基于冠脉CTA图像，建立了血流储备分数无创计算(CT-FFR)的闭环0D/3D几何多尺度血流动力学模型。该模型具有生理真实的闭环式冠脉循环结构，并引入了针对冠脉狭窄的微循环阻力代偿机制，准确评估冠脉微循环阻力，提升了CT-FFR诊断准确性(84.3% VS. 90.59%)。本研究利用多中心临床数据验证了0D/3D几何多尺度模型在提高CT-FFR计算精度方面的有效性。

2. 基于冠脉狭窄的微循环阻力代偿机制，建立了静息态冠脉微循环阻力准确评估方法，实现了心肌缺血静息态评价指标-瞬时无波幅比(Instantaneous Wave-free ratio，iFR)的几何多尺度无创数值计算(CT-iFR)。CT-iFR技术的实现，弥补了CT-FFR在诊断串联、弥漫性病变方面的不足，并且为心肌缺血无创诊断提供可靠的理论基础和新的解决方案。

3. 发现了不同心肌区域的血管体积与心肌质量比值(V_R/M_R)是心肌缺血的独立预测因子，其心肌缺血的诊断阈值为12.98 mm³/g，揭示了冠脉狭窄与心肌缺血关系的心肌灌注供求关系本质。

4. 基于神经网络快速预测心肌缺血。基于数据驱动和物理信息的级联神经网络(DP-NN)，建立了一种近乎实时、可解释和高精度的FFR无创计算方法(DL-FFR_CT)。基于CT-FFR计算的数据集训练神经网络，顺序输入冠脉狭窄的几何特征，以及基于物理信息的微循环阻力生理特征，输出预测FFR值。级联神经网络将预测时间缩短4.26 s内，并且诊断性能不劣于CT-FFR。

【博士期间代表性科研成果】

【与导师合影】

图文：刘金城

编辑：胡春瀛

审核：高春娣、杨震