基于AI的腰椎矢状位MRI退变性脊柱侧凸冠状位Cobb角自动测量:开发与验证
本研究回顾性开发并验证了一种在腰椎MRI上自动测量退变性脊柱侧凸冠状位Cobb角的AI算法,算法基于3D U-net分割椎体和椎间盘,在50例高分辨率矢状位MRI上与三位经验读者手动测量对比。算法最大角度与读者平均测量的ICC为0.83(95%CI 0.71-0.90),在读者所选相同椎体水平上ICC为0.92-0.97,高于读者间ICC 0.90-0.93,提示算法在MRI上可可靠测量Cobb角。
要点
- 算法自动测量的最大Cobb角与读者平均手动测量ICC为0.83(95%CI 0.71-0.90),一致性良好。
- 在读者选择的相同椎体水平上,算法与读者ICC为0.92-0.97,高于读者间ICC 0.90-0.93。
- 仅18%(9/50)病例三位读者对Cobb角测量的上下椎体水平完全一致,算法可确保始终测量最大角度。
核心结论
- 在退变性脊柱侧凸患者中,新开发的算法可在MRI上准确测量Cobb角,算法自动测量最大角度的一致性良好,且在读者所选水平上优于读者间一致性。
研究设计与样本
- 回顾性研究,纳入50例退变性脊柱侧凸患者的50次高分辨率矢状位T2 SPACE序列腰椎MRI(体素0.90×0.47×0.47 mm),另含标准分辨率矢状位T2序列(体素3.29×0.59×0.59 mm),均使用1.5-T MRI系统(Avanto,Siemens Healthineers Nederland B.V.)。
- 3D AI分割算法基于公开多中心SPIDER数据集训练,该数据集含218例下背痛患者的447个MRI序列,临床验证病例未出现在训练集中。
- 参考标准为三位经验读者(两位肌骨放射科医生和一位脊柱外科医生,分别有26、7、6年经验)在冠状位2D投影图像上的手动Cobb角测量,使用ICC和平均绝对误差(MAE)评估一致性。
- 算法通过椎间盘上、下半拟合平面并投影至冠状面计算所有椎体终板间角度,取最大差值作为Cobb角;临床可接受测量误差为5°。
诊断标准与关键数值
- 算法最大角度与读者平均手动测量Cobb角的ICC为0.83(95%CI 0.71-0.90),MAE为3.6°(SD 3.1°),Bland-Altman偏倚+3.2°,一致性界限上限10.9°、下限−4.6°。
- 在读者共识水平(读者所选上下椎体水平的中位数)上,算法与读者平均测量的ICC为0.94(95%CI 0.89-0.97),MAE为2.1°(SD 1.9°)。
- 在三位读者各自所选椎体水平上,算法与读者1的ICC为0.93(95%CI 0.88-0.96),与读者2为0.97(95%CI 0.94-0.98),与读者3为0.92(95%CI 0.87-0.96),MAE为2.0°(SD 1.3°)。
- 150次手动测量中8次(5.3%)绝对误差超过临床可接受的5°,Bland-Altman偏倚−0.2°,一致性界限上限5.3°、下限−5.7°。
- 低分辨率T2 MRI与高分辨率MRI测得的Cobb角ICC为0.95(95%CI 0.91-0.97)。
临床应用与阅片要点
- 作者指出,该AI算法可在常规MRI上为退变性脊柱侧凸患者提供可靠的Cobb角测量,可能减少对传统X线片的依赖、确保评估一致性,从而改善患者照护。
- 算法默认输出所有椎体终板间最大角度,与传统Cobb角测量方法一致;也可提取读者指定椎体水平的角度,便于与手动测量对比。
- 使用椎间盘上、下半拟合平面可避免矢状位倾斜对冠状位角度提取的影响,该方法还有望同时计算矢状位Cobb角及椎体轴向旋转。
局限性
- 本研究未将算法与传统X线片上的手动测量进行对比,原因包括X线片视野通常大于MRI视野且无全脊柱MRI,以及MRI为仰卧位而X线片常为站立位,站立位Cobb角已知大于仰卧位。
- 算法准确性依赖于椎间盘分割准确性,不规则或严重退变的椎间盘可能影响分割;401个椎间盘中仅1个分割错误并可能影响Cobb角测量。
- 算法假设通过椎间盘上、下半拟合的平面与椎体终板平行,但这一假设可能不成立,原文此处写作「However, this might n」后内容不完整。
全文中译10 节 · 点击展开
引言
成人脊柱畸形(ASD)在老龄化社会中是一个日益严重的问题[1, 2]。随着预期寿命的增加和退变性脊柱疾病的流行,受ASD影响的个体数量一直在稳步上升[3]。退变性(新发)脊柱侧凸是ASD的一种常见类型[4],在60岁及以上年龄组中的估计患病率为36%[5],常引起下腰痛或神经源性腿痛等症状[6]。然而,这些症状也可归因于其他退变性脊柱疾病[7],可能导致误诊。准确评估和监测退变性脊柱侧凸的进展对于有效的治疗计划和患者管理至关重要。
Cobb角[8]是一个被广泛接受的指标,用于评估脊柱畸形的严重程度[9]。传统上,Cobb角在前后位(AP)X线片上测量,评估脊柱弯曲的程度作为疾病严重程度的替代指标[9]。在临床环境中,表现为下腰痛的患者常接受MR成像以评估腰椎的退变方面和评估神经结构[10]。全球学术脊柱界将MRI用于评估神经压迫纳入了其对退变性脊柱侧凸患者的系统治疗决策中[11]。然而,在MRI中确定弯曲的严重程度可能具有挑战性,因为三维体积不能提供脊柱对线的清晰概览[12]。
开发一种自动测量冠状面Cobb角的方法可以提高其可靠性[13]。此类算法已存在于AP X线片[14–21]和CT图像[22, 23]的Cobb角测量中,但尚未存在于腰椎MRI中。一种可靠的深度学习算法能够从MRI计算Cobb角,其可用性可能减少退变性脊柱侧凸患者在已有近期MRI扫描时拍摄AP X线片的必要性。
在本研究中,我们旨在开发一种新的自动方法,设计用于使用矢状面腰椎MRI扫描测量退变性脊柱侧凸患者的冠状面Cobb角,并测试其可靠性。所提出的自动测量方法有潜力简化临床工作流程、减少主观性并提高退变性脊柱侧凸评估中的诊断准确性。
材料与方法
数据集
本回顾性研究经Radboud大学医学中心机构审查委员会批准(IRB 2016–2275)。鉴于使用了回顾性匿名MRI检查,免除了知情同意。患者的MRI研究若符合全部三项纳入标准则被纳入:MRI于2019年1月至2020年10月间完成。
MRI研究描述为“腰椎肌肉骨骼筛查”或“腰椎神经筛查”。这些MRI研究方案用于下腰痛或神经源性疼痛患者,反映了读者可从自动Cobb角测量中获益的一类检查。
MRI研究包含至少一个以高分辨率矢状面T2 SPACE(Sampling Perfection with Application-optimized Contrasts using different flip angle Evolution)序列制作的MRI系列。
放射学报告中提及“脊柱侧凸”或“脊柱畸形”一词。
纳入高分辨率(体素大小 0.90 × 0.47 × 0.47 mm)T2 SPACE 序列图像,以确保不仅在矢状面而且在冠状面均能获得充分显示。这保证了可在冠状面 MRI 图像上进行手动测量。所有 MRI 检查还包括标准分辨率(体素大小 3.29 × 0.59 × 0.59 mm)矢状位腰椎 T2 扫描。所有图像均在一台 1.5-T MRI 系统(Avanto,Siemens Healthineers Nederland B.V.)上获得。
脊柱分割算法
MRI 扫描容积内的所有椎骨和椎间盘(IVD)均使用 3D AI 算法自动分割,包括可能的过渡椎(例如 L6)[24]。每块椎骨和每个 IVD 均以唯一的解剖标签单独分割。该算法采用基于图块的迭代方案来分割一块椎骨及相应的下方 IVD。该算法的架构基于常用的 3D U-net 结构,该结构专为 3D 图像分割任务而开发 [25]。该分割算法的结果示例见图 1。所有分割均由一名医学影像专家(J.G.,4 年经验)就可能影响 Cobb 角测量的关键错误进行评估。关键错误包括 IVD 缺失、IVD 过多,或 IVD 的整体形状不正确。
该算法在公开可用的 SPIDER 数据集上训练,该数据集是一个多中心数据集,包含来自 218 例下背痛患者的 447 个 MRI 序列 [24]。用于 Cobb 角算法临床验证的患者均未出现在 SPIDER 数据集中。
Cobb 角算法
在脊柱常规 AP 视图上手动测量时,Cobb 角通过绘制平行于倾斜最明显椎骨上、下终板的直线并测量这些直线之间的角度来确定 [8]。然而,本研究采用了不同的方法。不使用上、下终板,而是利用 IVD 在 3D 中确定 Cobb 角。这一选择的原因是,与椎骨相比,IVD 具有更简单的几何形状,使算法更简单,因而更稳健。据假设,使用 IVD 的上、下半部分将产生相似的测量结果,因为它们平行于椎骨终板。
所有个体椎间盘(IVD)掩膜均从脊柱分割结果中提取。使用行进立方体算法 [26] 将掩膜转换为由面和顶点组成的表面网格。采用主成分分析(PCA)[27] 拟合穿过椎间盘的3D平面。每个平面由椎间盘的法向量和质心组成。为构建法向量,对椎间盘的顶点应用PCA。由此得到三个特征值和特征向量,描述椎间盘的三个主成分。特征值最小的特征向量对应于椎间盘的法向量。质心通过平均所有顶点计算得出。该平面不一定与上下椎体终板均平行;因此,将其用于将椎间盘表面的顶点分为上半部分和下半部分。以类似方式,分别对椎间盘的上半部分和下半部分拟合3D平面。将椎间盘分割并分别定义穿过上半部分和下半部分的平面,可确保这些平面与椎体终板平行。将这两个3D平面投影到冠状面上,之后可提取平面相对于图像坐标系的角度。
计算每个个体椎间盘的上角度和下角度,分别对应于下终板和上终板的角度。该算法通过计算作为顶层的上椎体终板角度与作为底层的下椎体终板角度之间的差值,提取所有可能的Cobb角。由于Cobb角由两个倾斜度最大的椎体定义,因此两次测量之间的最大差值被视为Cobb角。算法各步骤的概览见图2。
临床可靠性
为评估自动Cobb角算法的可靠性,将结果与三位经验丰富的阅片者进行的手动测量进行比较。阅片者包括两位肌骨放射科医师(M.R.和M.H.)和一位脊柱外科医师(D.L.),分别具有26年、7年和6年经验。手动测量在由脊柱分割衍生的2D冠状面投影图像上进行。这些图像通过将椎体的3D掩膜投影到冠状面上生成,模拟前后位(AP)X线片。这些图像的示例见图3。对于其测量,阅片者只需绘制两条平行于两个倾斜度最大椎体终板的直线。Cobb角通过计算所绘制两条直线之间的角度得出。手动测量通过一项在Grand-Challenge.org平台上进行的阅片者研究收集。
在对比分析中,同时考虑了阅片者选择的上下椎体水平及其对应的角度。该算法默认提供尽可能大的Cobb角,这与传统测量方法一致。然而,该算法也提取了所有指定水平的Cobb角,以模拟专家阅片者的方法。这使得可以进行三重比较:第一,评估是否选择了正确的椎体水平;第二,确定算法在阅片者所选水平处计算Cobb角是否准确;第三,将共识水平处自动测量的Cobb角与阅片者测量的平均值进行比较。共识水平定义为阅片者所选上下椎体水平的中位数。例如,如果两位阅片者选择L3作为下椎体水平,一位阅片者选择L4,则下共识水平为L4。如果三位阅片者选择了不同的水平,则共识水平为所选三个水平的中间水平。
通过计算手动测量与自动测量之间的差值来模拟算法与人类阅片者的联合性能。如果该值小于5°,而5°被认为是Cobb角临床可接受的测量误差[9],则我们认为这是一次成功的自动测量,阅片者会对此认可。如果测量差值大于5°,则我们认为这是一次阅片者会拒绝并会手动重复的测量。用于此比较的数据为手动测量相同椎体水平处的自动测量值。
用于临床验证的MRI序列均采用高分辨率矢状位SPACE MRI序列获得,该序列是一种单层块三维涡轮自旋回波(TSE)序列,具有层块选择性可变激发脉冲。这些扫描确保用于手动标注的冠状位二维投影图像具有足够高的分辨率以进行准确测量。然而,这并非大多数医院的标准做法。所有MRI研究还包括标准分辨率(体素大小3.29 × 0.59 × 0.59 mm)的T2矢状位腰椎MR扫描。该算法还在这些标准分辨率扫描上测量了尽可能大的Cobb角,以评估与高分辨率SPACE序列图像相比,其在更常用的分辨率图像上是否能产生相似的结果。
统计学
患者人口统计学信息(年龄和性别)取自DICOM文件头。连续变量(年龄、Cobb角)用均值和标准差(SD)描述,分类变量(性别)用计数和百分比描述。所有测量之间一致性的评估通过计算测量间的平均绝对误差(MAE)以及使用组内相关系数(ICC)和95%置信区间(CI)来完成。ICC是一个范围从0到1的指标,其中低于0.50的值表示可靠性差,0.50至0.75之间的值提示中等可靠性,0.75至0.90之间的值表示可靠性良好,任何高于0.90的值表示可靠性极好[28]。结果使用Bland–Altman图及相应的上下一致性界限进行可视化。这些一致性界限可与冠状面Cobb角临床可接受的测量误差5°进行比较[9]。统计分析使用JASP(版本0.17.3)完成[29]。
代码和数据可用性
训练好的分割算法(https://grand-challenge.org/algorithms/spider-baseline-iis/)、完整的分割代码库(https://github.com/DIAGNijmegen/SPIDER-Baseline-IIS)以及所有分割训练和验证数据(https://zenodo.org/records/10159290)均可公开获取[24]。Cobb角算法可在https://github.com/DIAGNijmegen/cobb-angle-algorithm获取。
结果
共有50例符合所有纳入标准的50名独立患者的MRI检查被用于分析(图4)。患者的平均年龄为60(SD 15.6)岁,其中35例(70%)为女性。在50例中的1例(包含401个椎间盘)中,一个椎间盘的分割出现错误,可能影响Cobb角测量。该病例见图1e、3e和5e。两名患者有金属椎弓根螺钉和棒植入物。在这两例中,未观察到明显的分割错误,Cobb角测量结果正常。这两例展示于补充材料A中。
三名阅片者手动测量的平均Cobb角为14.8°(SD 8.2°)。补充材料B中的图展示了平均手动测量Cobb角的分布。三名阅片者手动测量之间的MAE为2.7°(SD 1.7°),ICC范围为0.90(95% CI 0.83–0.94)至0.93(95% CI 0.88–0.96)。当取每次扫描的最大角度时,自动测量发现的平均Cobb角为18.0°(SD 7.7°)。与平均手动测量Cobb角相比,MAE和ICC分别为3.6°(SD 3.1°)和0.83(95% CI 0.71–0.90)。图5展示了五个自动测量的示例。不同测量之间计算得到的ICC见表1。算法发现的最大Cobb角与所有手动测量的比较以Bland–Altman图可视化(图6a),偏倚为+3.2°,上下一致性界限分别为10.9°和−4.6°。
在测量Cobb角时,三位阅片者在42%(21/50)的病例中选择了相同的上椎体水平。下椎体水平的一致性为32%(16/50),在18%(9/50)的病例中,三位阅片者以完全相同的上下椎体水平进行了完全相同的测量。表2显示了三位阅片者所选椎体水平与算法所选椎体水平(即最大Cobb角)的比较结果。当算法在共识位置(定义为阅片者所选椎体水平的中位数)测量Cobb角时,平均Cobb角为15.5°(SD 8.1°)。与阅片者平均测量值相比,平均绝对误差(MEA)为2.1°(SD 1.9°),组内相关系数为0.94(95% CI 0.89–0.97)。
该算法还被用于在三位阅片者确切选择的椎体水平上提取角度。算法与阅片者之间的组内相关系数(ICC)分别为:阅片者1为0.93(95% CI 0.88–0.96),阅片者2为0.97(95% CI 0.94–0.98),阅片者3为0.92(95% CI 0.87–0.96)。平均绝对误差(MAE)为2.0°(SD 1.3°)。在150次手动测量中(每位阅片者50次),有8次(5.3%)的绝对测量差异超过了临床可接受的5°测量误差。所有8例的图像见补充材料C。所有手动测量与在完全相同所选椎体水平上的自动测量的比较以Bland–Altman图显示(图6b),偏倚为−0.2°,一致性上下限分别为5.3°和−5.7°。最后,低分辨率T2磁共振(MR)扫描与高分辨率MR扫描中发现的Cobb角相比,ICC为0.95(95% CI 0.91–0.97)。
讨论
本研究提出了一种新开发的基于人工智能(AI)的算法,与三位专家阅片者相比,该算法能够在腰椎MRI扫描上可靠地计算退变性脊柱侧凸患者的冠状面Cobb角。当该算法提取尽可能最大的Cobb角时,与手动测量相比,获得了良好的一致性(ICC在0.76至0.84之间)和+3.2的测量偏倚。然而,在82%的病例中,阅片者对于应在哪个椎体水平进行测量存在分歧。当在与专家阅片者所选相同的椎体水平测量角度时,存在极好的一致性(ICC在0.92至0.97之间),甚至略高于阅片者之间的一致性(ICC在0.90至0.93之间)。这些测量的平均绝对误差(MAE)为2.0°(SD 1.3°),略低于阅片者之间的MAE(2.7°,SD 1.7°)。然而,两者均远低于临床可接受的测量误差5°[9]。这些结果不仅证实了我们的自动化方法与手动测量的一致性,而且将其定位为处于临床意义既定范围内的可靠工具。我们的研究结果表明,我们的自动化方法具有临床应用前景,其精度水平可与人类阅片者之间固有的变异性相媲美。
文献中已描述了若干在传统X线片上自动测量Cobb角的算法[14–19]。Liu等人提出了一种类似的方法,使用基于AI的分割算法提供椎体X线图像的掩膜,用于基于规则的计算以确定Cobb角[15]。他们报告的MAE<3°。其他使用不同深度学习方法的研究与所提出的算法相比,报告的MAE评分范围为1.2°至3.3°[15, 17–21],与本研究的結果相似。这些测量误差与文献中报道的手动测量的观察者内和观察者间变异性(范围为1.4°至5.1°)并无不同[9]。需要注意的是,这些研究均使用青少年特发性脊柱侧凸患者的传统X线片,使得结果难以比较。本研究是首个提出基于MRI测量退变性脊柱侧凸Cobb角的AI算法的研究。
使用MRI确定Cobb角的优势在于,它是利用投射到2D冠状面上的脊柱3D representation来测量的,类似于Huo等人的研究[22]。由于椎体终板因倾斜而无法清晰描绘,确定前凸椎体(例如L4或L5)的Cobb角可能较为困难。我们的方法为每个椎体终板找到一个3D角度,其冠状角可以容易地提取,且不受任何矢状面倾斜的影响。此外,该方法还可以同时计算矢状面Cobb角。最后,该方法还可以扩展到计算每个椎体的轴向旋转,提供复杂脊柱侧凸脊柱的完整几何概览。需要进一步研究以确定所提出的方法是否适用于其他脊柱序列测量。
本研究存在局限性。第一,我们未将算法与传统X线片上的手动测量进行比较。未进行此比较有两个原因。第一,X线片的视野通常大于MRI扫描的视野。当曲线延伸至MRI视野之外时,这可能导致测量结果不同,因为本研究没有全脊柱MRI扫描可用。第二,MRI扫描是在患者仰卧位时进行的,而传统X线片通常在站立位时拍摄。已知在站立位图像上测量的Cobb角大于仰卧位,这可能使准确比较变得困难[30]。存在将仰卧位测量的Cobb角转换为站立位的方法[30]。这些方法未经过测试,因为本研究的重点是开发和测试一种新的MRI Cobb角算法。此外,本算法仍可用于监测曲线随时间的进展。
第二个局限性与使用椎间盘(IVDs)计算Cobb角有关。算法的准确性取决于椎间盘分割的准确性,而分割可能受到不规则椎间盘或严重退变椎间盘等异常的负面影响。对所有椎间盘分割的人工审查显示,401个中仅有1个分割错误,导致可能不正确的Cobb角测量(图5e)。该椎间盘一侧完全塌陷,导致椎间盘分割仅覆盖了一半的椎体终板。其他椎间盘分割中均未出现显著错误。随后,算法假设通过椎间盘上下半部表面拟合的平面将与椎体终板平行。然而,在楔形椎间盘或其他不规则情况下[31],情况可能并非如此,可能导致测量不准确。由于纤维环表面沿整个楔形椎间盘并不均匀,拟合的平面可能向椎间盘最高侧倾斜,导致平面不与终板平行。我们选择不修改算法以避免不必要的复杂性,因为这将使其在病理性椎间盘(如Schmorl结节或突出)情况下更容易出错。在广泛不同的Cobb角范围内观察到的测量间极好的一致性表明,任何对准确性的潜在影响可能是微小的。
第三个局限性与基于AI的算法所开发的畸形类型有关。本研究不能推广至退变性脊柱侧凸以外的脊柱侧凸类型,因为本研究仅使用了腰椎MRI扫描[32]。例如,在青少年特发性脊柱侧凸中,全脊柱视图对于确定曲线严重程度至关重要[33]。尽管如此,自动测量与手动测量之间的极好一致性证明了所提出方法的可靠性。因此,预期当分割算法在全脊柱MRI数据上训练和验证时,我们的方法可能会产生类似的结果。当然,这一假设应通过进一步研究加以证实。
我们得出结论,对于退变性脊柱侧凸患者,使用新开发的基于人工智能的自动算法在常规MRI上可以可靠地测量Cobb角。本研究还显示,经验丰富的阅片者在应测量Cobb角的椎体水平上常常存在分歧。所提出的算法确保始终测量最大Cobb角。因此我们假设,在退变性脊柱侧凸患者的MRI上,该AI算法比手动Cobb角测量更可靠,可能减少确定弯曲严重程度时对传统X线片的依赖。
补充信息
以下是电子补充材料的链接。补充文件1(PDF 414 KB)
引用
- van der Graaf JW, van Hooff ML, van Ginneken B, et al. Development and validation of AI-based automatic measurement of coronal Cobb angles in degenerative scoliosis using sagittal lumbar MRI. Eur Radiol. 2024. PMID: 38383922. doi:10.1007/s00330-024-10616-8
- 全文:PMC11364572(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11364572/
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。