目的:1.利用腹部增强CT技术了解胃左动脉走行变化及分型。2.探讨人工智能检测胃左动脉常见变异的实用价值。3.分析腹部手术中胃周动脉血管解剖变异的临床价值。方法:1.回顾性选取了2019年1月-2019年12月在南华大学附属第一医院影像科行腹部增强CT扫描病例的影像学资料,共305例。读取患者增强CT血管图像以对胃周动脉变异进行分类。2.标记变异的动脉血管,并将所有数据随机分为五组,四个训练组,一个测试组。同时构建一个分类-检测级联框架模型对数据进行学习,得到的曲线下面积值(AUC)即为该模型的检测性能值。结果:按照Michels分型,I型共247例,存在血管变异的病人为58例,总体变异率为19.0%。其中II型:8例,约占2.6%;III型、IV型:未见病例;V型:5例,约为1.6%;VI型:6例,约为2.0%。此外,还发现1例肝总动脉缺如,2例胃左动脉缺如,2例肠系膜上动脉发出胃网膜右动脉,还有其他Michels未包括分类34例。按照Hiatt分型,Hiatt I型:247例,约81%;Hiatt II型:有24例,约7.9%;Hiatt III型:有10例,约3.2%;Hiatt IV型:有3例,约1%;Hiatt V型:有2例,约0.6%;Hiatt VI型:有2例,约0.6%。本次研究中胃左动脉相关性的变异分类:1型:脾动脉发出胃左动脉4例,约1.3%;2型:腹主动脉发出胃左动脉3例,约1.0%;3型:肝总动脉发出胃左动脉1例,约0.3%;4型:副肝左动脉12例,3.9%;5型:替肝左动脉15例,约4.9%;6型:胃左缺如2例,约0.7%。分类网络模型五组的平均AUC、查全率、查准率、正常率分别为0.82、69.4%、82.5%、79.5%。检测网络模型五组的平均AUC、查全率、查准率、正常率分别为0.87、65.6%、87.7%、77.8%。结论:1.在新的变异血管观察方法中,替(副)肝左动脉是最常见的。2.该模型对于胃左动脉及副(替)肝左动脉具有较好的检测效能。