目的:探讨人工智能(AI)在血流储备分数(FFR)研究领域应用的发展现状与趋势,为相关领域研究和临床实践提供参考。方法:检索2015年1月至2024年12月Web of Science核心合集(WoSCC)数据库中与AI在FFR领域应用的有关文献,检索文献类型限于论...目的:探讨人工智能(AI)在血流储备分数(FFR)研究领域应用的发展现状与趋势,为相关领域研究和临床实践提供参考。方法:检索2015年1月至2024年12月Web of Science核心合集(WoSCC)数据库中与AI在FFR领域应用的有关文献,检索文献类型限于论著和综述,文献语言限于英文。采用Excel、CiteSpace及VOSviewer等软件对该领域的年度发文量分布、国家(地区)合作网络、发表机构、作者、发表期刊、被引期刊、高被引文献和关键词进行可视化分析。结果:共检索出401篇相关文献,排除不符合主题的文献,纳入277篇文献。文献计量学分析显示,2015年至2024年,FFR领域发文量尽管存在波动但总体呈现上升趋势,其中美国发表的文献数量最多(116篇,占41.9%),最高产作者为美国的Schoepf UJ(33篇),发表文献数量中排名第1的机构为南卡罗来纳医科大学(37篇),最具影响力的期刊为Eur Radiol(欧洲放射学)期刊(23篇),被引次数最多的期刊为J Am Coll Cardiol(美国心脏病学会杂志)期刊(255篇)。出现频率最高的关键词为“fractional flow reserve(血流储备分数)”“CT angiography(CT血管造影)”“coronary artery disease(冠状动脉疾病)”。反映出的研究热点为研究模型的准确性、不同的成像技术、血管和临床变量的选择,以及数据集的挑战。结论:FFR研究领域的应用热度持续。现阶段AI在FFR计算中的算法创新与性能评估、多种成像技术与AI的结合及多工具组合探索、冠状动脉血管类型差异与临床变量在模型中影响权重分析,以及端到端深度学习框架下的数据集挑战构成研究热点。展开更多