文献速递骨肌DR

X线髋部骨折的分类与分割:突出骨折区域以实现可解释诊断

Classification and segmentation of hip fractures in x-rays: highlighting fracture regions for interpretable diagnosis.
PubMed 文献 · Insights Imaging · 2025-04-15

该回顾性研究基于986张髋部X线片训练YOLOv8分割网络,同时检测、分类、分级并分割股骨骨折;测试集AUC 0.981,分类分级准确率86.19%,骨折分割Dice系数0.77,性能与既往AI方法相当或更优,为首个提供精确骨折分割的方法。

要点

  • YOLOv8在测试集检测股骨骨折的AUC为0.981(95%CI 0.965-0.997),准确率96.2%。
  • 按骨折位置和分级分类的准确率为86.19%(95%CI 80.77-90.55)。
  • 骨折分割Dice系数0.77(95%CI 0.56-0.98),可显示网络诊断所依据的像素区域。

核心结论

  • 高准确率和AUC值表明所提出的神经网络可能成为临床环境中的可靠工具。
  • 该方法是首个提供股骨骨折精确分割的方法,Dice分数提示其可能增强可解释性。
  • 已计划进行正式评估以进一步评价其临床适用性。

研究设计与样本

  • 经机构审查委员会批准的观察性回顾性研究,无需知情同意,纳入2010年至2021年诊断为股骨骨折的住院患者。
  • 从医院PACS检索10308张髋部X线片(来自2618名患者),随机选取986张进行标注。
  • 标注由两名分别具有3年和20年急诊X线判读经验的放射科医生完成,测试集由包括一名20年经验骨肌放射科医生在内的委员会复核。
  • 最终数据集为1454个股骨(来自707名患者),按患者层面随机分为训练集1043个股骨(505名患者)、验证集201个股骨(97名患者)、测试集210个股骨(105名患者)。
  • 训练YOLOv8分割卷积神经网络生成骨折掩模并指示类别和分级,同时训练VGG16、DenseNet121、InceptionV3、ResNet50V2、EfficientNetB4分类网络作为基线方法比较。

关键影像表现/征象

  • 网络对无骨折图像中的皮肤皱褶或图像伪影无响应,表现出稳健性。
  • 网络输出骨折轮廓,轮廓颜色编码骨折类型,包括股骨颈骨折Garden I或II型、股骨颈骨折Garden III或IV型、转子间骨折Evans I或II型、转子间骨折Evans III、IV或V型、转子下骨折。
  • 大多数分类错误(n=15)发生在同一骨折位置内,6个分类错误涉及骨折位置误判。

诊断标准与关键数值

  • 每个股骨标注为:无骨折、股骨颈骨折Garden I或II型、股骨颈骨折Garden III或IV型、转子间骨折Evans I或II型、转子间骨折Evans III、IV或V型、或转子下骨折。
  • 测试集检测骨折的AUC为0.981(95%CI 0.965-0.997),准确率96.2%(95%CI 92.6-98.3%),敏感度95.17%,特异度98.46%,阳性预测值99.28%,阴性预测值90.14%。
  • 按位置和分级分类的准确率为86.19%(95%CI 80.77-90.55)。
  • 骨折分割平均Dice系数为0.77(95%CI 0.56-0.98)。
  • 基线网络分类骨折类型的准确率从VGG16的74.29%(95%CI 67.82-80.05%)到YOLOv8的86.19%(95%CI 80.77-90.55%)。

临床应用与阅片要点

  • 该方法可同时检测、分级和分割股骨骨折,分割掩模可显示网络诊断所依据的像素区域,可能增强可解释性和信心。
  • 模型在无移位股骨颈骨折和转子下骨折上表现较差,与这些类型在数据集中样本量小有关。
  • 作者假设分割骨折线及相关骨块可能比边界框或箭头提供更高的自动化诊断信心,并可能作为新手放射科医生的教育工具,但该假设有待未来研究验证。

局限性

  • 标注图像数量是该工作的关键局限性之一,样本随机选自临床实践反映骨折患病率,导致无移位股骨颈骨折和转子下骨折数量少。
  • 图像虽来自单一机构,但使用两种成像模式的五种不同设备采集,计划未来进行正式研究评估模型泛化能力。
  • 缺乏临床环境中的方法评估。
  • 分割与边界框或箭头相比的比较效用问题仍存在,作者假设需未来研究验证。
全文中译13 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:Insights Imaging. 2025 Apr 15;16:86. doi: 10.1186/s13244-025-01958-y

引言

老年患者的髋部骨折是卫生主管部门关注的主要问题。尽管近年来髋部骨折后1年死亡率已从约30%降至22% [1],但其仍是死亡的主要原因和重要的致病因素,功能独立丧失率高达50% [2, 3]。

大多数骨折需要手术干预,早期治疗可显著改善预后 [4]。相当数量(4–12%)的患者存在临床相关骨折,但在急诊科初始X线片上未能被影像学识别 [5–9]。全科医生和一年级住院医师与主治放射科医师和骨科医师之间的敏感性和特异性差异显著,前一组平均敏感性为69.2%和73.1%,后一组为96.2% [10]。许多X线片上未被识别的骨折由感知错误所致 [11],尽管少数骨折无法通过X线摄影检出。

首批用于股骨骨折检测的人工智能方法使用分类卷积神经网络来确定X线图像是否显示骨折 [10, 12–19]。所有这些方法的AUC均在0.91至0.99之间,但未提供任何关于骨折类型或位置的信息。

第二类工作将二分类扩展为多分类方法,网络的输出为指示骨折位置的标签(即股骨颈、转子间、转子下),有时还包括骨折是否有移位 [20–22]。例如,Jiménez Sánchez等 [23] 将图像分类为正常或头部、颈部或转子间区域骨折,平均准确率为89%;Yu等 [24] 将X线片分类为正常、头下型骨折、转子间骨折或转子下骨折;Murphy等 [25] 将图像分类为正常、转子间骨折或囊内骨折,准确率为92%;Kitamura等 [26] 将类别扩展至股骨和骨盆骨折,为每一类训练模型,同时运行并分析最可能模型的响应。

然而,这些方法仅提供整个图像的标签,未指示网络用于提供诊断的区域或证据。为解决分类网络的可解释性问题,研究人员采用热图生成技术,如Grad-Cam [27],以识别最可能对网络决策有贡献的像素 [20–22]。近期出版物通过采用 custom developed 点网络 [28] 或目标检测网络在转子间骨折周围绘制边界框 [29],扩展了骨折定位的概念。

骨折检测和定位需要结合骨折分级,因为骨折分级决定其相关治疗 [30]。股骨颈骨折采用Garden分型 [31],转子间骨折采用Evans-Jensen分型 [32, 33],转子下骨折采用Seinsheimer分型 [34]。

仅有少数研究旨在基于公认的分级量表对骨折进行自动分类[22, 35]。Mutasa等人[35]的工作聚焦于将股骨颈骨折分类为正常、Garden I/II型或Garden III/IV型,准确率达86%。Krogue等人[22]的工作将股骨颈骨折分类为移位型或非移位型,模拟Garden量表中的分级方式。

本工作与现有技术的不同之处在于,我们使用单一神经网络同时检测、分级和分割髋部骨折。在分级方面,我们扩展了Mutasa等人[35]的工作,纳入了转子间骨折和转子下骨折。我们还扩展了Krogue等人[22]的工作:(1)将转子下骨折纳入研究,(2)将转子间骨折分为两类:(1)Evans量表I型和II型,(2)Evans量表III型、IV型和V型。此外,我们是唯一同时进行骨折分级和分割的工作,为放射科医师提供网络用于做出诊断的像素的清晰信息。

方法

研究设计与数据收集

观察性回顾性研究,经阿利坎特圣胡安大学医院机构审查委员会(IRB)批准(批准编号:21/060)。豁免知情同意要求。

查询医院信息系统(HIS),检索2010年至2021年期间住院患者中具有与国际疾病分类(ICD)编码相对应的股骨骨折所有诊断的患者。获取患者标识符后,访问企业影像归档和通信系统(PACS)以获取相关影像检查。图像使用瓦伦西亚地区医学影像数据库(BIMCV)的管理和标注平台进行匿名化处理[36]。

从检查中随机选取一个子集进行标注。该子集进一步分为训练集、验证集和测试集。该划分随机进行,但确保同一受试者的图像不会出现在多个子集中。

参考标准与图像预处理

所选图像由两位分别具有3年和20年急诊X线片判读经验的放射科医师进行标注。放射科医师通过围绕骨折绘制多边形对每处骨折进行分割,将其标注为股骨颈骨折、转子间骨折或转子下骨折,并根据Garden或Evans量表进行分级。转子下骨折不进行分级。测试图像由初始放射科医师及一位具有20年经验的额外肌肉骨骼专业放射科医师组成的委员会进行审核。标注使用Open Health Imaging Foundation(OHIF)查看器[37]在BIMCV管理平台内进行。

标签经过聚合以防止数据过度碎片化。每根股骨最终标注如下:(1)无骨折,(2)Garden量表I或II型股骨颈骨折,(3)Garden量表III或IV型股骨颈骨折,(4)Evans量表I或II型转子间骨折,(5)Evans量表III、IV或V型转子间骨折,或(6)转子下骨折。

通过在半自动方法中训练一个以股骨为中心的边界框上的YOLOv8检测网络[38]来检测股骨。自动股骨检测经过人工质量控制,过于靠近图像边缘的股骨检测或重复检测被丢弃。对每个检测添加100%的边距以纳入图像中的周围信息,从而形成股骨感兴趣区(ROI)。股骨ROI被裁剪并调整大小至标准尺寸,同时保持像素各向同性。裁剪后的感兴趣区及其相关的骨折ROI构成了用于骨折分类和分割的数据库。

股骨骨折分割与分类

在ROI上训练了一个YOLOv8图像分割网络[38]。该网络包括三个主要组件:主干网络、颈部网络和解耦头,每个组件均由卷积层构成。主干网络负责在不同图像分辨率下提取特征,提供输入数据的分层表示。颈部网络聚合和细化这些特征以增强目标检测和分割能力。解耦头处理颈部网络产生的特征,并通过不同的卷积块产生分类、检测和分割任务的关联输出。该网络架构可随时配置以同时执行这些任务的任意组合。输出之间相互关联,确保每个分割与相应的分类标签明确关联。

由于YOLOv8实现仅接受8位图像,我们通过将每张图像的对比度调整至像素值的2%至98%百分位数之间,并将图像量化为0–255范围来进行缩放。网络训练100个epoch,保存验证损失最佳的模型。

我们探索了模型复杂度和图像尺寸参数的相关性,模型复杂度分为“nano”、“small”或“medium”,图像尺寸设置为320²、640²、1024²或1536²像素。每种参数组合从不同的随机种子开始训练六次。我们选择了在验证集上表现更好的参数组合,并在这些参数中选择验证准确率更好的模型进行进一步评估。

在数据集上评估基线方法

为复现先前工作并在“研究设计与数据收集”和“参考标准与图像预处理”章节所描述的数据集上建立参考性能指标,我们训练了将骨折标签与每张图像相关联的图像分类器。

受先前研究启发,我们使用了五种不同的网络架构:VGG16[39]、DenseNet121[40]、InceptionV3[41]、ResNet50V2[42]和EfficientNetB4[43]。每种架构均用作特征提取器,网络的最后几层包括一个全局平均池化层、一个丢弃概率为20%的dropout层以及一个具有六个输出类别的最终全连接层(每个聚合骨折类型一个类别,加上一个无骨折类别)。使用了迁移学习,用在ImageNet数据集[44]上预训练的权重初始化卷积层的优化。线性层的权重随机初始化。

每个网络训练六次。使用标准数据增强技术:随机水平翻转、旋转、平移、缩放和亮度变化。训练进行100个epoch,使用自适应动量优化器[45]和分类交叉熵作为损失函数。如果验证准确率连续五个epoch没有提高,学习率减半。保存验证损失最低的模型。图像分类软件用Python实现,使用TensorFlow库[46]进行深度学习。

由于卷积网络的复杂性,先前的工作使用了较小的图像尺寸。为了将分割模型的性能与先前的工作进行比较,我们选择在“nano”配置上验证性能最佳的模型,其图像尺寸最小(3202)。

评估

分割模型和基线模型首先在测试集上评估其区分健康股骨和骨折股骨的能力。测量受试者工作特征(ROC)曲线并报告其曲线下面积(AUC)。如“参考标准和图像预处理”部分所述,模型分类骨折的能力使用准确率和混淆矩阵进行评估。对于所提出的分割模型,我们报告标注骨折区域与自动检测区域之间的平均Dice相似系数(DSC)[47]。DSC通过计算两个二值掩膜交集面积的两倍并除以其各自面积之和来衡量两个二值掩膜之间的相似性。

数据和统计分析

评估和数据分析使用用于数据分析的scikit-learn库[48]和用于数据管理的pandas库[49]进行。AUC的置信区间和成对ROC曲线之间的比较使用pROC R库[50]中实现的Delong方法计算。准确率的置信区间使用caret R库[51]的二项比例置信区间方法获得。多类分类器之间的比较使用PMCMR R包[52]中实现的Durbin检验进行成对比较。p值低于0.05被认为具有统计学意义。

结果

数据集

数据集的摘要如图1所示。从PACS中检索了来自2609名患者的共10300张图像。这些图像使用来自三家制造商的五种不同设备采集:Philips Medical Systems、Canon和Agfa。设备型号为Philips、DigitalDiagnost C99、Bucky Diagnost FS、Essenta DR、Agfa DR 100和Canon M1移动X射线机。

从707名患者中随机选择986项髋部X射线检查进行标注。大多数所选图像为数字X射线摄影(DX,70.9%),较小比例为计算机X射线摄影(CR,29.1%)。标注检查的统计信息见表1。

在986张髋部X线片中检测到1586根股骨。网络漏检3根股骨,已手动添加。因非常靠近边缘且未包含完整股骨(n = 49)、重复检测(n = 1)或未检测到股骨(n = 5),部分股骨检测结果被剔除。80根股骨因未标注而被排除,因为在某些图像中,放射科医师仅标注了两根可见股骨中的一根。其余1454根股骨及其对应的参考标准被随机分为训练集(n = 1043根股骨,来自505例患者)、验证集(n = 201根股骨,来自97例患者)和测试集(n = 210根股骨,来自105例患者)。没有患者在同一不同子集中有图像。数据集特征见表1。

图1 研究结构。共纳入2609名受试者。其中707名受试者的图像被标注。采用半自动股骨检测方法在X线片中检测股骨。80根股骨因缺乏手动标注而被排除。其余股骨按患者水平分为训练集、验证集和测试集。没有患者在两个子集中有图像 查看原图 ↗
表1 数据集定量详情 查看原表 ↗

分割模型复杂度和图像大小的优化

YOLOv8方法在图像大小和模型复杂度方面性能的定量结果分析见表2。总体而言,AUC随图像大小增加而增加。准确率随图像大小增加而增加,但最后一个图像大小除外,其准确率较前一个图像大小下降,且未随模型复杂度增加而改善。关于Dice系数,较低图像大小获得较高评分,最高平均评分(0.780)由小模型与640 × 640图像大小的组合获得。

表2 图像分割网络在测试数据集上的性能 查看原表 ↗

单一分割模型的评估

我们选择small模型和1024 × 1024图像大小,因为它们在验证集中显示出最高的平均AUC和准确率(表S1)。基于该配置,我们选择验证准确率最高的迭代。在评估其在测试集上检测骨折的能力时,该模型的AUC为0.981(95% CI [0.965–0.997]),将股骨分类为骨折或非骨折的准确率为96.2%(95% CI [92.6–98.3%])。敏感性、特异性、阳性预测值和阴性预测值分别为95.17%、98.46%、99.28%和90.14%。

在评估模型根据“参考标准和图像预处理”部分所述分类对骨折进行分类的能力时,其准确率达到86.19%(95% CI [80.77–90.55])。图2显示了网络对股骨图像的典型响应。该模型的混淆矩阵见图3。大多数分类错误(n = 15)发生在相同骨折位置内,而6个分类错误涉及骨折位置误分类。

在评估模型分割骨折的性能时,该模型达到平均Dice系数0.77(95% CI [0.56–0.98])。放射科医师标记的分割示例图像和模型获得的分割见图3。

图2 网络的典型性能。上排:无骨折的图像。所提出的方法表现出稳健性,对皮肤褶皱或图像伪影无响应。下排:股骨骨折,输出骨折轮廓。轮廓的颜色表示骨折类型。从左到右:股骨颈骨折I型或II型,股骨颈骨折III型或IV型,转子间骨折I型或II型,转子间骨折III型、IV型或V型;转子下骨折 查看原图 ↗
图3 在“单一分割模型的评估”部分评估的模型性能。左:模型的混淆矩阵。右:典型检测结果。参考标准用细线表示,分割结果用粗线表示。颜色编码骨折类型。上排从左到右:无骨折,Garden I型或II型股骨颈骨折,Garden III型或IV型股骨颈骨折。下排从左到右:Evans I型或II型转子间骨折,Evans III型、IV型或IV型转子间骨折,转子下骨折 查看原图 ↗

与基线模型的比较

我们将YOLOv8模型的性能与其他用于股骨骨折检测的神经网络进行了比较。结果见表3。所有分类方法在将股骨图像分类为骨折或健康时均获得高AUC评分,平均AUC值从0.993 [0.985–1.000](DenseNet 121)到0.981 [0.965–0.997](YOLOv8)不等。模型间的AUC未发现统计学显著差异。

基线网络对骨折类型分类的准确率从VGG16的74.29% [67.82–80.05%]到YOLOv8的86.19% [80.77–90.55%]不等。值得注意的是,曲线下面积(AUC)评分相似的网络在分类特定骨折类型时表现出不同的性能。准确率的唯一显著差异出现在VGG16和YOLOv8之间(小,10242)。

表3 图像分类网络在测试数据集上的性能 查看原表 ↗

讨论

我们训练了一个单一的人工智能模型,可从x射线图像中同时检测、分级和分割股骨骨折。所提出的方法在两个方面不同于其他工作:(1)与现有技术相比,它提供了更高粒度的骨折类型分类;(2)通过提供骨折分割掩膜,识别出导致该分类的图像像素。

所提出的模型在检测骨折时获得了0.981的高AUC。该AUC与先前工作报告的结果相当:Krogue等人[22]为0.975,Murphy等人[25]为0.980,以及在我们数据集上实施的其他方法,如表3所示。当根据位置和严重程度对骨折进行分类时,该方法达到了86.19%的准确率。不幸的是,该指标无法直接与其他工作比较,因为每项研究使用不同的类别集。例如,Krogue等人[22]未包括转子下骨折,未将转子间骨折分为亚类,并包括关节置换术或切开复位内固定的存在,这些提高了系统的准确率。Murphy等人[25]的工作未区分移位和非移位股骨颈骨折,也未包括转子间骨折。在评估模型分割骨折的能力时,所提出的模型达到了0.77的DSC,表明与人工标注高度一致。

开发人工智能方法时的一个关键问题是训练数据的质量。我们通过使用我们的数据集实现文献中已发表的图像分类模型来评估这一点。获得的AUC与先前研究一致。例如,Krogue等人[22]先前使用的DenseNet架构在其研究中达到0.975的AUC,而在我们的数据集中达到0.993的AUC。同样,Murphy等人[25]使用的InceptionV3架构AUC在0.980范围内,而我们的实现达到了0.985的AUC。这些结果表明我们的数据集与先前工作的数据集相当。

标注图像的数量是本工作的关键局限性之一。样本从临床实践中随机选取,从而反映了骨折患病率。这导致无移位股骨颈骨折和转子下骨折的数量较少。因此,模型在这两种类型骨折上的表现较差,如图3中的混淆矩阵所示。未来工作将聚焦于半自动标注方法,以丰富训练集中临床骨折中出现概率较低的骨折类型。

尽管本研究中使用的图像来自单一机构,但它们是使用两种成像模式的五台不同设备采集的。图像采集的这种多样性增强了模型对其他设备图像具有良好泛化能力的可能性。评估模型泛化能力的正式研究计划在未来的工作中进行。

另一个局限性是未在临床环境中对该方法进行评估。然而,鉴于其与先前技术相比更优越的性能指标以及其独特的显示图像中骨折区域的能力,预计所提出的网络在作为二次读片使用时,至少能在放射科医生的敏感性和特异性方面产生与其他方法相同的改善。

关于分割与使用边界框或指向骨折中心的箭头相比的比较效用,仍存在一个问题。我们假设分割骨折线及相关骨碎片可能为自动化诊断提供更大的信心。此外,它可能作为新手放射科医生的宝贵教育工具。这些假设的验证将在未来研究中探讨。

总之,我们将股骨骨折检测和分类建模为使用单一网络的图像分割问题。我们获得了优于或相当于最先进技术的指标,同时纳入了更多骨折亚型,并具有显示图像中骨折所在区域的独特能力。我们的方法可能增强算法的可解释性和信心。未来工作将包括由放射科医生进行的正式评估,以确认这些预期益处。

补充信息

电子补充材料

引用

  1. González G, Galant J, Salinas JM, et al. Classification and segmentation of hip fractures in x-rays: highlighting fracture regions for interpretable diagnosis. Insights Imaging. 2025. PMID: 40232323. doi:10.1186/s13244-025-01958-y
  2. 全文:PMC12000489(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12000489/

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。