基于深度学习的腰椎间盘退变自动量化评估新方法发表在《自然·通讯》

 腰椎疼痛，怎么诊断？在全球范围内，腰痛作为一个重大的公共卫生问题，给个人和社会带来沉重负担。腰椎间盘退变，被认为是引发这些脊柱退行性疾病的重要因素。然而，临床及相关研究大都局限于定性分析的水平，缺乏自动化定量测量分析的方法。

 沪上高校研究人员围绕椎间盘退变自动测量深入研究，在人工智能医学影像识别与量化方面取得新进展，在国际上首次建立一种基于深度学习的影像区域分割网络与自动测算技术方法，并进一步在大样本人群中构建起腰椎间盘退变量化的评价标准。

 解放日报·上观新闻记者了解到，这项成果《基于深度学习的MRI腰椎间盘退变高精度定量研究》，日前在影响因子达14.919的《自然·通讯（Nature Communications）》上率先发表，论文以上海中医药大学王拥军教授为最后通讯作者，以上海大学田应仲教授为通讯作者。

 从观察到数据：改进深度学习图像分割网络，原创核磁影像量化评价方法

 是椎间盘髓核含水量下降，还是椎间盘高度塌陷？用于测算椎间盘参量的特征点，依靠更精准的区域分割。根据腰椎间盘的核磁共振成像（MRI）特点和椎间盘退变量化的需求，项目组建立起一种适用于核磁共振影像的新型图形分割网络技术方法——BianqueNet，实现了腰椎间盘退变相关区域的高准确率分割。与其他自动区域分割方法相比，其精度在腰椎结构分界方面尤为突出。

 在此基础上，研究人员改进了基于直方图特征的椎间盘灰度特征量化方法，并提出了基于面积量化椎间盘高度特征的量化方法。紧跟前沿技术，面向临床需求，该算法与多位临床医师的手工测量结果相比，展现出高度的一致性。

 深度学习图形分割网络训练与椎间盘退变量化方法示意图

 从数据到知识：依托全国石筱山伤科联盟，分析大样本核磁影像数据特征

 在算法展现出极高的可靠性基础上，项目组依托全国石筱山伤科联盟，分别在上中医附属龙华医院、北京中医药大学东直门医院、广东省中医院以及深圳平乐骨伤科医院，收集到共计1051份腰椎间盘MRI图像，采用该算法测得不同退变程度的椎间盘参数，并与人口统计信息，如年龄、性别、节段和退变等级等参数，进行相关分析。

 随着全国大样本数据不断丰富，前瞻性观察不断完善，相关数据库将为腰椎退行性病变的临床实践、临床试验和机制研究提供更精确的信息，进一步指导椎间盘退变的防治以及手术与非手术时间窗的建立，完善实时动态、无创精准指导手术及非手术治疗与康复方案的实施与评估。

 我国4个城市1051例自然人群腰椎间盘参量特征分布图

 从知识到能力：制定椎间盘退变参数标准，实现椎间盘退变自动量化评估

 考虑到大样本椎间盘参量与退变等级呈现显著的相关性，研究团队就此建立了椎间盘退变的量化标准，从而实现自动定量分析。凭借医工结合技术开发与大样本数据库建设，最终研发出全自动椎间盘退变定量评估算法，可在1秒内对1张腰椎MRI中的5个腰椎间盘共计20个参量完成自动测算，并得出精准的椎间盘退变分级判断。

 相关成果得到王拥军教授团队承担的国家自然科学基金重点项目等资助。目前，研究团队已建立慢性筋骨病大型前瞻性专病队列，汇聚了一支中西医临床、基础、人工智能、生物医学工程和生物信息分析多学科专业人员队伍，推动中医骨伤学科建设和团队人才培养，更好保障人民生命健康。