文献速递骨肌神经MR

基于深度学习模型在轴位磁共振图像上对腰椎间盘突出进行量化与分类

Quantification and classification of lumbar disc herniation on axial magnetic resonance images using deep learning models.
PubMed 文献 · Radiol Med · 2025-03-24

回顾性分析2500例患者轴位T2加权MRI,用YOLOv8系列模型实现椎间盘分割、关键点检测及腰椎间盘突出分级与分区。内外部测试集分割IoU分别为97.58%和97.49%,关键点平均误差0.219 mm和0.221 mm;四分类严重度分级kappa内外部为0.88和0.85,与专家分类具有高度一致性。

要点

  • 模型在轴位T2WI上自动分割椎间盘并定位椎管七区边界,外部测试集分割IoU 97.49%、关键点平均误差0.221 mm。
  • 突出严重度四分类(0–3级)外部测试集kappa 0.85(95%CI 0.81, 0.89),精确率90.07%。
  • 突出区域八分类外部测试集kappa 0.71(95%CI 0.67, 0.75),严重度与区域组合18分类kappa 0.69。

核心结论

  • 自动化辅助诊断模型在检测和分类腰椎间盘突出方面表现良好,与专家分类具有高度一致性。

研究设计与样本

  • 回顾性研究,纳入2500例患者,训练集2120例(25,554幅图像),内部测试集80例(784幅图像),外部测试集300例(3285幅图像)。
  • 研究在四个不同省份的中心开展,涉及12台不同MRI设备,训练与内部测试来自天津医科大学总医院,外部测试来自山东大学第二医院、徐州仁慈医院和中山大学附属第五医院。
  • 采用YOLOv8目标检测定位椎间盘及关节突/棘突区域,YOLOv8-seg分割椎间盘,YOLOv8-pose关键点检测定位椎管七区边界。
  • 参考标准为骨科专家在脊柱影像智能辅助阅片系统(GPTSP)中复核并修改后的结果,争议点由30年经验骨科专家最终确认。

关键影像表现/征象

  • 模型将椎管分为中央管区(CCZ)、左右椎间孔外区(EFZ)、左右关节下区(SAZ)和左右椎间孔区(FZ),并在轴位上自动将分区点移至关节突前缘线的垂直交点。
  • 根据椎间盘与双侧关节突连线的位置关系及前后径指数进行严重度分级:正常或距连线小于3 mm为0级,突出在连线3 mm以内为1级,超出连线但前后径指数≤0.3为2级,前后径指数>0.3为3级。

诊断标准与关键数值

  • 分割模型训练集mAP50:95为98.12%、IoU为98.36%;关键点检测模型mAP50:95为93.58%、平均误差0.208 mm。
  • 内部测试集分割IoU 97.58%、关键点平均误差0.219 mm;外部测试集分割IoU 97.49%、关键点平均误差0.221 mm。
  • 18分类(严重度+区域)内部测试集精确率81.21%、F1 81.26%、kappa 0.75(95%CI 0.68, 0.82, p=0.00);外部测试集精确率74.50%、F1 74.42%、kappa 0.69(95%CI 0.65, 0.73, p=0.00)。
  • 四分类(仅严重度)内部测试集精确率92.51%、F1 92.36%、kappa 0.88(95%CI 0.80, 0.96, p=0.00);外部测试集精确率90.07%、F1 89.66%、kappa 0.85(95%CI 0.81, 0.89, p=0.00)。
  • 八分类(仅区域)内部测试集精确率83.34%、F1 83.85%、kappa 0.77(95%CI 0.70, 0.85, p=0.00);外部测试集精确率77.87%、F1 78.21%、kappa 0.71(95%CI 0.67, 0.75, p=0.00)。

临床应用与阅片要点

  • 模型可集成于影像阅读系统,通过可视化与修改功能为医生提供客观的椎间盘突出区域和严重度定量证据。
  • kappa一致性分级标准:≤0.4为差,0.4<kappa≤0.6为中等,0.6<kappa≤0.8为高,>0.8为极好;18分类和八分类外部测试集均为高一致性,四分类为极好一致性。

局限性

  • 本回顾性研究主要关注轴位MRI,未充分利用矢状位MRI等其他信息来源。
  • 回顾性研究设计本身可能无法全面反映实际临床诊断过程的复杂性和挑战。
全文中译15 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Radiol Med. 2025 Mar 24;130(6):795–804. doi: 10.1007/s11547-025-01996-y

引言

2017年,全球据报道约有5.77亿人患有下背痛,导致高缺勤率和残疾率,其中腰椎间盘突出症(LDH)被认为是最常见的原因[1, 2]。在诊断此类疾病时,MRI因其在软组织成像方面的优异表现已成为腰椎成像的首选方式[3]。

尽管美国脊柱放射学会(ASSR)、美国神经放射学会(ASNR)和北美脊柱学会(NASS)联合发布的“腰椎间盘命名:版本2.0”中推荐的LDH分类方法具有一定的有效性等级[4],但实际操作往往涉及大量机械性和重复性工作,既繁琐又耗时。更重要的是,诊断结果缺乏标准化和定量化的评价标准[5]。

为更有效地指导腰椎疾病的诊断,研究人员近年来开始将深度学习(DL)技术应用于LDH的诊断。Hallinan等[6]和Lim等[7]报道了腰椎管狭窄的自动分类和诊断方法。Zhang等[8]利用分类模型实现了MSU分类系统[9]内等级的自动判定。尽管这些研究在自动化诊断方面取得了一定成功,但无论是采用二分类还是四分类[10, 11],它们仍无法满足对病灶区域严重程度进行定量分析的需求。此外,医生仍需花费大量时间验证结果的准确性[12]。

为更准确地量化腰椎间盘退变程度,Xuan等[13]采用目标检测和迁移学习模型,成功在矢状面上量化了LDH和腰椎滑脱,准确率达90.08%。同时,Li等[14]基于矢状位腰椎MRI构建了椎体目标检测模型,以验证椎体与椎间盘之间的关系。Laiwalla等[15]在轴位MRI模型中建立了椎管狭窄的评价模型。既往研究已充分证明人工智能技术在LDH检测中具有优异的临床应用潜力[16–18]。尽管该领域取得了显著进展,但遗憾的是,迄今为止尚未有一个完整的系统能够真正辅助临床诊断流程。

在本研究中,我们利用DL模型准确定位并量化椎间盘与椎体之间的解剖关系参数。此外,我们将DL模型整合到图像阅片系统中,开发了一种计算机辅助诊断工具,能够可视化并自动解读椎间盘轴位MRI的解剖特征。为验证该系统的实用性和可靠性,我们在多中心数据集上进行了深入测试。测试结果表明,DL模型在外部测试集上表现出优异的性能和较强的泛化能力,充分展示了该模型在辅助诊断领域的巨大潜力。

材料与方法

患者人群

本回顾性研究在四个不同省份的中心开展,涉及12种不同的MRI设备,包括天津医科大学总医院(训练集、验证集和内部测试集)、山东大学第二医院、徐州仁慈医院和中山大学附属第五医院(外部测试集)。纳入标准如下:(1)年龄18岁及以上;(2)接受过腰椎MRI检查的患者。排除标准为:(1)接受过腰椎手术治疗的患者;(2)与骨科疾病无关的患者数据;(3)MRI图像质量不符合骨科医师阅片标准的患者。数据随机提取自2015年1月至2022年12月。本研究为回顾性研究;患者信息已去标识化,风险极小;因此,所有四个中心均豁免了知情同意要求。

训练集、验证集、内部测试集和外部测试集中的数据分布

训练集包括来自2120例患者的25554张轴位腰椎MRI。在这些图像中,12161张MRI专门用于椎间盘分割训练,而22297张用于关节突和棘突区域的关键点检测训练。在训练过程中,这些图像数据按9:1的比例随机分为训练集和验证集。内部测试集由来自80例患者的784张轴位腰椎MRI组成,而外部测试集覆盖了来自300例患者的3285张MRI。

图像处理

为尽量减少不同设备间图像差异对数据边界一致性的影响,本研究采用多种策略处理不同MRI设备生成的图像。对图像尺寸进行标准化并应用图像增强技术,以确保获得稳定的训练结果。具体而言,训练集中所有不同尺寸的图像均统一调整为512 × 512像素,并调整灰度值和对比度等参数以增强图像,从而提高模型识别来自不同MRI设备图像的能力。预测前,验证集中的所有图像均统一调整为512 × 512像素(图1)。

图1 训练集分配与处理流程图 查看原图 ↗

数据标注

为确保轴位腰椎MRI数据标注的准确性和一致性,统一尺寸的MRI由具有8年临床经验的骨科医师K.Z和具有4年临床经验的骨科医师Z.S使用LabelMe(v3/CSAIL,MIT/USA)软件在训练集上进行标注。当意见不一致时,由具有20年临床经验的放射科医师H.Z提供权威评估,以确保标注数据的准确性。

我们准确标注了腰椎间盘区域的分割。通过关键点标注,将椎管划分为中央管区(CCZ)、左右椎间孔外区(EFZ)、左右关节下区(SAZ)以及左右椎间孔区(FZ)。为清晰界定椎管后方的黄韧带区域,标注了双侧关节突的最前顶点。此外,我们还标注了椎管内棘突前方的位置,从而能够准确测量椎管后方黄韧带区域的前后矢状径。为确保分区保持垂直于患者的轴状面,系统在训练前和预测后自动将分区点移动至关节突前缘线的垂直交点,从而确保分区的准确性和可靠性。

腰椎间盘突出检测模型

在将内部和外部测试集数据的尺寸标准化后,我们利用多种深度学习(DL)模型构建了双分支多阶段工作流程(图2a,https://github.com/ElzatElham/LDH-DL-MODEL)。分支1主要涉及目标检测和语义分割。在第一阶段,基于YOLOv8 [19] 的目标检测模型准确定位椎间盘区域(图2b)。在第二阶段,基于椎间盘检测模型的定位结果,使用YOLOv8-seg的语义分割模型对椎间盘区域内的每个像素进行分类(图2c)。分支2侧重于目标检测和关键点检测。在第一阶段,YOLOv8目标检测模型精确锁定关节突和棘突区域(图2d)。在第二阶段,基于椎管检测模型的定位结果,YOLOv8-pose关键点检测模型准确定位椎管七个区域的边缘(图2e)。为确保各分区与患者轴状位的平行性,系统自动将分区边缘点移动至关节突前缘线的垂直交点(图2f)。整个工作流程紧凑高效,在保证处理速度的同时保持了结果的准确性和可靠性。

图2 椎间盘突出定位模型的流程。a 测试集数据的准备,b 目标检测以定位椎间盘区域,c 椎间盘区域的分割,d 目标检测以定位关节突和棘突区域,e 关键点检测以预测各区域的边界,f 分割结果与关键点检测结果的合并,待计算 查看原图 ↗

椎间盘突出程度和位置的定位

预测完成后,为准确描述腰椎间盘突出(LDH)的程度,我们使用分割和关键点检测的结果对椎管分布进行分类。采用CCZ、SAZ、FZ和EFZ精确界定LDH的具体位置,并根据LDH突入椎管的程度进行分级(图3)。若椎间盘处于正常状态或至双侧关节突连线的距离小于3 mm,则归类为0级;若突出物位于双侧关节突连线3 mm以内,则归类为1级;若LDH超出双侧关节突连线(中央椎管黄韧带区)[20],但前后矢状径指数≤0.3,则归类为2级;若前后矢状径指数>0.3,则归类为3级。

图3 突出椎间盘的解剖区域识别与分级 查看原图 ↗

模型检测结果评估

模型对测试数据集做出预测后,将结果统一导入脊柱影像智能辅助阅片系统(V1.0SY-GPTSP,SDSY/中国)数据库。利用GPTSP的可视化功能(如补充材料GPTSP.mp4所示),具有10年临床经验的骨科专家E.E和具有15年临床经验的J.S对模型的检测结果进行了全面审查(图4)。对于审查中的争议点,我们进一步咨询了具有30年临床经验的骨科专家S.F以获得最终确认。最后,通过比较骨科医生修改前后的数据变化,我们能够客观评估模型的可靠性。

图4 模型结果验证与对比分析流程。a 图像输入模型。b 深度学习(DL)模型预测分割和关键点区域。实心三角箭头代表直接计算模型的原始结果,空心三角箭头代表结果被导入GPTSP。c 骨科医生在GPTSP下验证数据。d 模型预测结果与骨科医生修改后的结果进行比较 查看原图 ↗

统计分析

连续变量以均值±标准差(SD)表示。模型标注与人工标注之间的一致性使用Kappa系数(kappa)评估。Kappa的一致性水平定义如下:当kappa=0时,一致性完全由偶然因素导致;当kappa=1时,两种分类结果完全一致;当kappa≤0.4时,一致性差;当0.4<kappa≤0.6时,一致性中等;当0.6<kappa≤0.8时,一致性高;当kappa>0.8时,一致性极好。显著性水平为p<0.01。统计分析使用Python(3.7.16/Python Software Foundation/美国)完成。

结果

患者数据集特征

内部测试集的80例病例包括51例女性(平均年龄54.86岁±14.80[SD][范围28–79岁])和29例男性(平均年龄55.07岁±17.74[SD][范围22–99岁])。外部测试集包括300例病例,其中163例女性(平均年龄58.94岁±14.18[SD][范围25–91岁])和137例男性(平均年龄55.90岁±13.69[SD][范围21–89岁])(表1)。

表1 测试数据集与MR设备信息 查看原表 ↗

分割模型与关键点检测模型的评估

展示了性能最佳的模型(表2)。对于分支1和分支2,目标检测模型的mAP50:95分别达到96.15%和97.81%,分割模型的mAP50:95达到98.12%,IoU达到98.36%,关键点检测模型的mAP50:95达到93.58%,平均误差(ME)为0.208 mm(点之间的实际偏移距离)。结果表明,双分支多阶段工作流程在分割和关键点检测方面均表现出非常稳定的性能。

表2 双分支多阶段工作流程中深度学习(DL)模型的性能 查看原表 ↗

模型在内部测试集上的评估

在内部测试集中,我们使用了80例病例,共计400幅MRI图像。模型在定位任务中实现了97.58%的交并比(IoU),关键点预测的平均误差为0.219 mm。腰椎间盘突出症(LDH)的分类评估显示以下结果:对于18个类别(结合严重程度分级和解剖区域),准确率为82.25%,精确率(P)为81.21%,F1分数为81.26%,kappa值为0.75(高度一致,95% CI 0.68, 0.82,p = 0.00)。对于4个类别(仅严重程度分级),准确率为92.50%,P为92.51%,F1为92.36%,kappa值为0.88(极好一致,95% CI 0.80, 0.96,p = 0.00)。对于8个类别(仅解剖区域),准确率为85.00%,P为83.34%,F1为83.85%,kappa值为0.77(高度一致,95% CI 0.70, 0.85,p = 0.00)。这些发现表明,模型在LDH严重程度和解剖区域的定位与量化方面表现出高度一致性,凸显了其显著的诊断价值(见表3)。

表3 深度学习(DL)模型与骨科医师在内部测试数据集中的分类性能 查看原表 ↗

模型在外部测试集上的评估

在外部测试集中,我们选取了300例病例,共计1500幅MRI图像。结果表明,模型在定位任务中实现了97.49%的交并比(IoU),关键点预测的平均误差为0.221 mm。腰椎间盘突出症(LDH)的分类评估显示以下结果:对于18个类别(结合严重程度分级和解剖区域),准确率为75.13%,精确率(P)为74.50%,F1分数为74.42%,kappa值为0.69(表示高度一致,95% CI 0.65, 0.73,p = 0.00)。对于4个类别(仅严重程度分级),准确率为90.00%,P为90.07%,F1为89.66%,kappa值为0.85(表示极好一致,95% CI 0.81, 0.89,p = 0.00)。对于8个类别(仅解剖区域),准确率为78.93%,P为77.87%,F1为78.21%,kappa值为0.71(表示高度一致,95% CI 0.67, 0.75,p = 0.00)。这些发现表明,模型在多中心数据中定位LDH严重程度和解剖区域方面保持了高精度,验证了该诊断系统的泛化性和临床适用性(表4)。

表4 深度学习(DL)模型与骨科医师在外部测试数据集中的分类性能 查看原表 ↗

讨论

MRI检查在LDH的诊断中具有重要作用[21]。然而,传统的腰椎MRI分析方法涉及复杂的数据采集过程和繁重的工作量,难以获得全面且定量的诊断结果[22]。为解决这些问题,我们开发了一种自动化辅助诊断模型。该模型能够高效、准确地识别轴位MRI中LDH的区域和程度。该深度学习模型可与图像阅读系统软件集成,使医生能够通过结果的可视化和修改获得客观、精确的诊断依据。

此前,研究者为规范LDH位置和大小的报告已付出相当努力。早在1987年,Wiltse等[23]根据解剖特征将椎管细分为CCZ、SAZ、FZ和EFZ。随后,Mysliwiec等[9]提出了MSU分类系统,通过测量突出物相对于关节突内缘线的相对位置来确定LDH的具体位置和大小。然而,值得注意的是,MSU分类系统在本质上与传统的解剖区域划分并无显著差异。在实际应用中,它需要将原本清晰的解剖区域描述转换为A、B、C和0–1–2–3等编码,这增加了沟通的复杂性,甚至不区分左右,导致多达11种可能的组合。迄今为止,尚无确凿研究证实MSU分类系统的实际临床指导价值。相比之下,本研究进一步验证了LDH的具体位置可通过解剖标志的边界有效记录,且突入椎管的程度可被量化。

随着人工智能技术的广泛应用,LDH的自动化诊断已取得初步成果。Alomari等[24]和Tsai等[22]开发的深度学习模型主要集中于二分类和四分类研究,判定LDH的存在与否。Zhang等[8]采用MSU分类系统,在四个MSU分类等级上达到了74.2%的准确率。更重要的是,尽管这些分类研究为骨科医生提供了一定的诊断依据,但它们无法提供关于疾病严重程度的定量信息,因而在缓解骨科医生实际工作量方面的作用有限。为对突出程度和区域提供更全面、合理的评估,我们采用18个类别(结合LDH的严重程度分级和区域)、四个类别(聚焦于LDH的严重程度分级)和八个类别(聚焦于LDH的区域)对LDH进行分类评估。结果表明,本研究不仅在准确率方面表现更优,而且提供了关于疾病严重程度更全面的定量结果。

为获得稳定的结果,本研究将分割与关键点检测相结合。在既往研究中,Pang等[25]成功应用分割模型实现了椎间盘、关节突等组织的精确定位。同时,Lehnen等[26]在其研究中聚焦于分割模型的应用,在腰椎轴位MRI上准确检测椎间盘的范围,准确率高达87%。

Suri等[27]在MR、CT和DR图像上测量腰椎前凸角时分别获得2.90°、2.26°和3.60°的误差。在Cina等[28]关于腰椎DR的研究中,他们获得了相对于椎体尺寸的中位误差,x和y坐标分别为1.98%和1.68%。这些研究证明了深度学习(DL)模型在医学图像形态学评估中的巨大潜力。然而,迄今为止,尚无关于其临床应用的报道。

鉴于上述考虑,在本研究中我们将DL模型整合到图像阅片系统中,以增强图像阅片效率和结果可视化,从而优化椎间盘区域及分级分类的流程。经过在内部和外部测试集上的严格验证,DL模型在提高诊断效率和准确性方面表现出显著效果。因此可以得出结论,DL模型可作为临床骨科医生的有力助手,协助他们记录和观察患者的疾病进展。

尽管我们的研究在腰椎间盘突出症(LDH)诊断自动化方面取得了积极进展,但仍存在一定局限性。首先,本回顾性研究主要集中于轴位MRI,未充分利用矢状位MRI等其他信息来源。未来,我们计划将矢状位MRI及其他相关影像数据纳入分析,以捕捉更丰富的信息特征,进一步优化自动化诊断模型。其次,回顾性研究设计本身可能无法全面反映实际临床诊断过程的复杂性和挑战。为更有力地验证该诊断模型的临床实用性和有效性,我们打算在未来开展更严格的前瞻性研究,以更接近实际临床环境的方式评估模型性能。

最后,我们将继续探索并应用最新的DL算法,以不断改进和优化该诊断模型。我们的目标是逐步将其应用范围扩展到更多腰椎疾病,如腰椎管狭窄症、腰椎滑脱和椎体骨折。通过持续创新和完善,我们希望为骨科医生提供更高效、更准确的辅助诊断工具,从而帮助改善患者的治疗效果和生活质量。

电子补充材料

以下是电子补充材料的链接。补充文件1(MP4 17632 kb)

引用

  1. Yilihamu EE, Shang J, Su ZH, et al. Quantification and classification of lumbar disc herniation on axial magnetic resonance images using deep learning models. Radiol Med. 2025. PMID: 40126796. doi:10.1007/s11547-025-01996-y
  2. 全文:PMC12185585(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12185585/

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。