深度学习助力腰椎旁肌精准分析:突破传统困境,开启临床新篇

时间:2025年5月7日
来源:Computational and Structural Biotechnology Reports

编辑推荐:

为解决腰椎旁肌(LPMs)影像学参数评估繁琐、依赖人工且缺乏定量分析的问题,研究人员开展基于 T2 加权 MRI 数据的深度学习算法研究。结果显示 nnU - Net 2D 模型分割性能最佳,OTSU 法评估脂肪浸润与专家高度一致,为临床提供精准数据支持。

广告
   X   

在人体的 “脊梁工程” 中,腰椎旁肌(Lumbar Paraspinal Muscles,LPMs)可谓是默默奉献的 “忠诚卫士”,像多裂肌(Multifidus,MF)、竖脊肌(Erector Spinae,ES)和腰大肌(Psoas Major,PS)这些 “小能手”,紧紧附着在腰椎周围,齐心协力为腰椎稳定性 “保驾护航”。然而,当腰椎遭遇外伤、感染、肿瘤或者手术这些 “不速之客” 时,LPMs 就可能 “受伤”;腰椎间盘突出、脊柱退变等问题,也会让 LPMs 陷入 “退化危机”,出现萎缩和脂肪浸润现象。这可不仅仅是肌肉自身的 “小麻烦”,它会加速疾病进程,增加患者残疾风险,降低生活质量,还和腰椎骨折、疾病复发密切相关,甚至对手术预后产生重大影响。
目前,在医学领域对 LPMs 的评估却面临诸多挑战。以往研究中,LPMs 影像学参数大多靠骨科医生或放射科医生手动标注,这就像手工绘制一幅复杂的地图,不仅耗时费力,还高度依赖医生个人经验,不利于在临床广泛推广。肌肉内脂肪的评估常用视觉半定量方法,不够精确。虽然定量参数能更准确评估,但需要患者进行额外的序列扫描,加重了患者经济负担,也增加了医生读片工作量。因此,急需一种高效、精准又经济的自动化 LPMs 分割技术。

为了攻克这些难题,昆明医科大学第一附属医院等机构的研究人员挺身而出。他们开展了一项基于 T2 加权 MRI(T2 - weighted Magnetic Resonance Imaging)数据的深度学习算法研究。研究成果发表在《Computational and Structural Biotechnology Reports》上,为腰椎旁肌研究和临床应用带来了新的曙光。

研究人员在此次研究中运用了多种关键技术方法。他们收集了来自三家医院的 1457 例患者的 T2WI 数据作为样本队列。在数据处理方面,对原始图像进行了一系列预处理操作,包括去除异常强度值、重采样以及归一化处理。在模型训练和测试环节,使用 nnU - Net 和 VNet 等网络模型进行 LPMs 分割模型训练,并对比了 2D 和 3D 模型的性能。此外,利用最大类间方差法(OTSU)对肌肉内脂肪进行分割,计算脂肪浸润程度。

下面来看看具体的研究结果:

  • 基线特征:回顾性收集的数据显示,1457 例患者来自不同医院,年龄、性别分布各异,扫描设备涉及多个制造商。这些丰富的数据为后续研究提供了多样化的样本基础。
  • 腰椎旁肌分割算法性能:综合评估发现,2D nnU - Net 网络在 MF、ES 和 PS 的分割上准确性最高。在内部测试集和两个外部测试集中,其 Dice 系数大多大于 0.95,部分甚至接近 1, Hausdorff 距离(HD)等指标也表现优异,意味着该模型能精准勾勒出肌肉边界,分割效果与专业放射科医生相当。
  • 肌肉分割网络性能比较:通过 ANOVA 测试和成对比较发现,四个分割网络(nnU - Net (2d)、nnU - Net (3d)、V - Net 和 SEVB - Net)在分割 MF、ES 和 PS 时存在显著差异。2D nnU - Net 模型表现最为突出,显著优于其他三个模型;3D nnU - Net 也比 V - Net 和 SEVB - Net 更具优势,但 V - Net 和 SEVB - Net 仅在 PS 分割的部分数据集上有显著差异。
  • 脂肪分割和脂肪浸润计算性能:在脂肪浸润评估上,OTSU 法与放射科医生评估结果一致性很高。在切片层面,MF、ES 和 PS 的一致性系数分别为 0.619、0.762 和 0.663;在患者层面,对应系数为 0.703、0.751 和 0.838 ,表明 OTSU 法能有效评估脂肪浸润程度。

从研究结论和讨论部分来看,此次研究意义重大。nnU - Net 2D 模型在 LPMs 分割中表现卓越,其分割精度远超以往研究,且对不同年龄、不同扫描设备的样本都有很好的适应性,显示出强大的稳健性和广泛的适用性。OTSU 法在脂肪浸润评估上无需额外扫描,既提高了分割速度,又减少了医生诊断差异,为临床提供了高效准确的评估手段。

不过,研究也存在一些不足之处。研究未涵盖不同脊柱病理患者的数据,没有进一步探索 2D 和 3D 融合模型,也未与当前先进的分割算法进行比较,且训练队列中不同设备的患者数量分布不均。但这也为后续研究指明了方向。总体而言,该研究在腰椎旁肌分析领域取得了重要突破,为临床医生制定个性化治疗方案提供了精准的定量参数,有望减轻患者经济负担,推动腰椎疾病诊疗的发展,让更多患者受益于这一科研成果。

生物通微信公众号
微信
新浪微博


生物通 版权所有