基于深度学习在膝关节MRI上识别异常胫前动脉:一项巴西多中心研究
这项回顾性多中心研究开发并验证了一个深度学习模型,用于在轴位T2加权膝关节MRI上检测异常胫前动脉(AATA)。内部数据集包含2315例检查(1441例无AATA,874例有AATA),外部测试集来自另一家四级医院,包含617例检查(37例有AATA)。模型在外部测试集上的AUC为0.97,但精确率从内部测试集的0.98降至0.66;结论认为尽管外部队列精确率下降,模型仍展现出作为术前风险评估和手术规划辅助工具的潜力,但需更广泛的多中心验证后才能临床部署。
要点
- AATA在轴位T2加权像上表现为走行于胫骨后皮质与腘肌腹侧缘之间的异常动脉。
- 模型在外部测试集上AUC为0.97,敏感性高(召回率0.972),但精确率降至0.66。
- 外部测试集假阳性18例,假阴性1例,多与不典型解剖或成像伪影有关。
核心结论
- 据作者所知,这是首个应用人工智能在膝关节MRI上自动检测AATA的研究,模型以高敏感性完成该任务。
- 尽管外部队列精确率降低,模型在提升术前风险评估和手术规划方面展现出强大潜力。
- 作者认为在临床部署前需要更广泛的多中心验证。
研究设计与样本
- 回顾性研究,内部数据集来自多中心机构Diagnóstico da América(DASA),共2315例检查(1441例无AATA,874例有AATA),70,260幅MRI图像。
- 外部测试集来自公立医院Universidade Federal de São Paulo(UNIFESP),共617例检查,其中37例(6.0%)含AATA,检查时间为2022年至2023年。
- 由5名肌肉骨骼放射科医生(2–7年经验)在1名资深放射科医生(25年)监督下逐层标注AATA的有无,以放射科医生标注为参考标准。
- 采用基于ResNet10T的卷积神经网络,输入轴位T2加权和PD序列图像,按患者层面划分训练集(约60%)、验证集(20%)和内部测试集(20%)。
关键影像表现/征象
- AATA表现为在轴位T2加权脂肪抑制像上走行于腘肌(星号)与胫骨后皮质之间的异常动脉(弯箭头)。
- 正常腘动脉分叉中胫前动脉(箭头)与胫腓干(直箭头)走行正常;异常时胫前动脉起源高于腘肌。
- GradCAM分析显示正确分类的AATA阳性病例热图主要定位于异常动脉区域,假阳性病例热图激活于后部区域,可能将正常血管结构误认为异常动脉。
诊断标准与关键数值
- 患者层面分类阈值0.1717由验证集确定,以最大化F1分数。
- 验证集F1分数0.966,内部测试集F1分数0.979,外部测试集F1分数0.786。
- 外部测试集AUC为0.97;召回率0.972,准确率0.969,精确率0.66(内部测试集精确率0.98)。
- 外部测试集混淆矩阵:真阴性536例,真阳性35例,假阴性1例,假阳性18例。
临床应用与阅片要点
- 作者认为自动化检测工具可作为报告放射科医生的辅助手段,提醒其注意AATA这类易被忽视的血管变异。
- 术前识别并准确报告AATA可能增强手术意识和规划(原文引用文献支持)。
- 模型在外部数据集中表现出精确率下降,主要由于AATA患病率低(6.0% vs 内部37.7%)及人群差异,阅片时需注意假阳性可能。
局限性
- 训练数据完全来自一家私立多中心机构,可能不能完全反映更广泛临床实践中的成像方案、患者人口学和疾病表现。
- 模型将每个层面作为离散的2D图像处理,可能无法捕捉相邻层面的上下文线索,可能遗漏细微解剖指标或空间关系。
- 以放射科医生MRI共识作为参考标准,无血管造影或手术确认,可能导致临界病例误分类。
- 作者指出需要进一步工作来解决局限性并评估对放射科医生工作流程的实际影响。
全文中译13 节 · 点击展开
引言
骨科膝关节手术中腘窝动脉损伤罕见[1],但可导致严重后果,包括假性动脉瘤或严重出血[2, 3]。在存在异常胫前动脉(AATA)的情况下,血管创伤的风险可能增加,该变异型中胫前动脉起源于腘肌上方,走行于胫骨后皮质与腘肌腹侧缘之间(图1)[1, 4, 5]。该变异的患病率为0.4%至6%[1, 3],取决于所采用的诊断和影像学方法。由于其与手术器械极为邻近,AATA在胫骨高位截骨术(已有损伤报道[6])、外侧半月板修复术、后交叉韧带重建术及胫骨近端前后向螺钉固定术等操作中尤为脆弱[1]。术前识别并准确报告该解剖变异可提高手术意识和手术规划水平[1, 5, 7]。
磁共振成像(MRI)在评估膝关节解剖中发挥关键作用,AATA在轴位序列上最易被检出[1]。然而,血管异常的识别在很大程度上依赖于放射科医师的判读和检出,由于其罕见性和细微的影像学表现,即使经验丰富的放射科医师也可能漏诊,这凸显了一个可能受益于自动化检测工具的诊断缺口。将人工智能(AI),特别是深度学习技术,整合到肌肉骨骼影像学中,已在自动化诊断流程和提高检测准确性方面展现出良好前景[8]。卷积神经网络(CNN)已广泛应用于医学影像任务中,可对解剖结构进行可靠的分割和分类[9]。
在本研究中,我们提出开发一种基于深度学习的算法,以在膝关节MRI检查中自动检测异常胫前动脉的存在。通过利用高质量数据集和最先进的神经网络架构,我们的目标是开发一种工具,协助放射科医师检出该血管变异。
材料与方法
研究设计
本回顾性研究使用了研究开始前采集的膝关节MRI数据。目标是开发并验证一个区分正常与存在AATA病例的分类模型,以放射科医师的标注作为参考。未与其他放射科医师进行直接比较;相反,我们旨在创建一个实用工具以支持临床工作流程。通过自动化AATA检测,我们力求提高膝关节手术安全性并预防因未检出异常而导致的并发症。
数据
在多中心机构Diagnóstico da América(DASA)获得机构审查委员会(IRB)批准后获取了一个回顾性数据集,包含2400例膝关节MRI检查。其中,1200例最初通过基于文本的放射学报告检索确定,报告中含有“异常胫前动脉”一词,另1200例作为对照随机选取,未提及该变异。所有图像均使用RSNA工具[10]进行匿名化处理。
五名肌肉骨骼放射科医师(经验2–7年)在一名资深放射科医师(25年经验)的监督下,使用MD.AI平台[11](MD.ai,纽约)对每个MRI层面进行标注,仅根据图像表现标记异常胫前动脉(AATA)的存在(1)或缺失(0)。他们事先接受了约10个示例标注。标注过程结束时,同一名监督放射科医师审查了所有标注,以识别并纠正任何不一致之处。未使用边界框或额外元数据。
该数据集用于训练、验证和内部测试,并仅限于2023年进行的MRI检查。质量控制包括去除重复层面、处理模糊病例以及审查同一结构存在多个标注的图像。仅保留T2加权和PD轴位序列以确保成像一致性。所有MR序列均在无静脉对比剂的情况下进行。还从圣保罗联邦大学(UNIFESP)公立医院——一家四级诊疗医院——获取了一个外部数据集,同样经IRB批准。潜在病例通过在放射学报告中检索“aberrant”来识别,然后按照相同方案进行标注和匿名化处理。与内部数据集不同,它不受采集日期限制,但遵循相同的T2加权和PD轴位过滤条件。
图像预处理
所有DICOM文件均转换为JPEG无损格式以促进下游处理。为减轻图像伪影的影响,每个MRI序列均整体处理,并按序列进行强度归一化步骤,排除低于第0.25百分位数(p0.25)和高于第99.75百分位数(p99.75)的像素值。该方法有助于确保整个数据集中亮度、对比度和饱和度更均匀、更稳健的表示,从而改善输入图像的整体质量,以利于后续训练和分析(图2)。该预处理流程在内部和外部数据集中均予以实施。
模型开发
内部数据集在患者层面使用StratifiedGroupKFold分为五折,防止数据泄漏并保持AATA阳性和阴性研究之间的平衡。约60%的数据分配用于训练,20%用于验证,20%用于内部测试。其中一折被留出作为测试集,其余四折分为训练和验证子集,不进行轮换交叉验证。
为增强鲁棒性,对训练集应用了数据增强。通过ColorJitter(亮度、对比度 = 0.2)、RandomHorizontalFlip和RandomRotation(± 30°)引入微小扰动,模拟患者体位变化。图像调整为224 × 224像素,并使用训练集的均值和标准差进行归一化。尽管原始图像为灰度图,但每张图像被复制为三个通道(3 × 224 × 224)以兼容预训练模型。
使用Python 3.8.10和PyTorch 2.0.1开发了自定义卷积神经网络(CNN),基于timm库中的ResNet10T [12]模型,该模型在大规模图像数据集上进行了预训练。选择二维架构以优先考虑方法学的简洁性和可扩展性。带有批归一化和ReLU激活的残差块最终汇入全局平均池化。预训练特征提取器保留至其倒数第二层,随后是自定义头部,包括两个Dropout层(p = 0.3)、一个将512个特征降至8个的全连接层(带ReLU),以及一个产生单一logit的最终线性输出。该架构包含约544万个可训练参数。
训练使用批大小128和带logits的二元交叉熵损失。采用Adam优化器(学习率 = 0.001,权重衰减 = 1 × 10−4,L1惩罚 = 1 × 10−5),并使用指数调度器(gamma = 0.9)在每个epoch降低学习率以保持稳定性。
评估与统计分析
为评估模型,首先生成切片级预测,每张MRI切片获得一个概率,表示其包含血管异常的可能性。然后通过计算给定MRI研究所有切片的平均概率,将这些逐切片概率聚合到研究级别。使用验证集确定合适的概率阈值,选择该阈值以最大化F1分数,F1分数平衡了精确率和召回率,反映了假阳性和假阴性之间的临床权衡。随后将同一阈值应用于内部和外部测试集。
使用多种指标量化患者级别的性能,包括二元交叉熵损失、F1分数、精确率、召回率和受试者工作特征曲线下面积(AUC-ROC)。切片级分析提供了单张图像分类效果的见解,而研究级评估更具临床意义,因为它反映了对每位患者整个MRI检查的最终诊断判定。
合理性检查
为了评估模型的可解释性并深入了解训练后的卷积神经网络(CNN)如何识别胫前动脉异常(AATA),对内部测试集的一个子集进行了梯度加权类激活映射(GradCAM)分析。具体而言,选取了5例被正确分类的AATA阳性病例和5例被错误分类的AATA阴性病例进行进一步检查。GradCAM应用于模型的最终卷积层,捕获对网络决策贡献最大的空间位置。
这些GradCAM热图允许视觉验证网络是否聚焦于与胫动脉变异存在(或不存在)相一致的解剖学意义区域[13]。
结果
内部数据集
在去除重复检查并纠正错误分类后,约241项最初基于报告文本搜索被标记为AATA但随后经放射科医生详细图像审查重新分类为正常的检查被排除。最终内部数据集包括1,441项正常检查和874项血管异常检查,共计2,315项检查的70,260张膝关节MRI图像(图3)。
内部集的人口学特征总结于表1。层厚中位数为3.5 mm(范围2.0–4.5 mm)。内部和外部数据集的其他MRI参数详见补充表1。
以在验证集上最大化患者水平的F1分数为目标,确定了0.1717的阈值用于将检查分类为AATA阳性或正常。表2总结了模型在训练集、验证集和内部测试集上的性能。验证集中较高的F1和ROC-AUC分数反映了较强的预测能力,而将相同阈值应用于内部测试集后在准确率、特异度、召回率、精确率、阴性预测值以及阳性和阴性似然比方面均保持了稳健的性能。
使用带有等F1轮廓的精确率-召回率(PR)曲线(图4A)和预测概率直方图(补充图1)进行的进一步分析提供了对模型行为的额外见解。PR曲线展示了精确率和召回率在不同阈值下如何变化,等F1线表示等效的调和平衡。在所选阈值下,模型始终表现出高精确率和高灵敏度。直方图进一步证实了在中等患病率背景下正常与AATA阳性检查之间的强区分能力。总体而言,这些发现突出了所选阈值的临床适用性,因为仅极少的错误分类就足以降低精确率和F1——然而实际性能仅显示出极小的下降。图4B展示了内部测试集的ROC曲线。
外部数据集
经过预处理后,外部数据集包含617项检查,执行于2022年至2023年间,其中37项(6.0%)含有AATA。外部集的人口学特征总结于表1。层厚中位数为3.5 mm(范围,2.0–5.5 mm)。外部数据集中AATA患病率显著较低(6.0% vs. 内部37.7%),反映了其旨在近似真实世界条件的设计,而内部数据集则被有意富集以支持模型训练和验证。这种患病率偏移对外部测试集中的精确率和F1分数产生了不成比例的影响,而灵敏度和ROC-AUC仍保持较高水平(表2),证明模型维持了临床相关性,并展示了在合并症更多的四级诊疗环境中的适用性。
PR曲线(图5A)和概率分布直方图(补充图2)突显了在这种不平衡条件下维持高精确率的挑战。尽管准确率和特异度保持稳定,但由于少量假阳性导致F1出现适度下降,反映了对精确率的不成比例影响。尽管如此,模型有效区分了大多数正常病例与真阳性,强调了在最小化假阴性至关重要时的实用性。图5B展示了外部测试集的ROC曲线。
GradCAM分析
图6展示了正确分类和错误分类检查的GradCAM热图示例。在正确分类的AATA阳性病例中,热图主要与包含异常动脉的区域对齐,表明模型正在利用相关血管结构来支持其决策。相比之下,错误分类的示例在后部区域显示出强烈激活,可能反映了一个正常血管结构被模型误认为异常胫动脉,导致假阳性分类。这些发现说明了解剖学上相似的血管如何导致混淆,强调了需要更多上下文信息或三维分析来进一步优化模型性能。
错误结果分析
在外部测试集上生成的混淆矩阵显示536个真阴性、35个真阳性、1个假阴性和18个假阳性。大多数误分类涉及非典型解剖结构或成像伪影。例如,模型错误地将一个临床意义不大的近端分叉识别为胫前返动脉(AATA)。这些发现凸显了模型倾向于过度判定某些血管变异,尤其是在遇到不寻常的解剖或采集场景时。
讨论
迄今为止,尚无研究尝试使用人工智能算法检测AATA变异。尽管AATA较为罕见[1, 3],但在常规膝关节MRI检查中仍可遇到,而膝关节MRI是最常进行的肌肉骨骼检查之一。尽管其潜在的临床相关性涉及医源性损伤风险——若未被识别可能导致更差的临床结局和手术并发症——但由于其不常见且在标准膝关节MRI判读中未被常规强调,这一血管变异可能被忽视或报告不足。自动化检测工具可作为报告放射科医师的辅助手段,通过引起对此类发现的关注来发挥作用。这一视角为探索基于深度学习的方法以提高检测一致性提供了依据。
在本研究中,我们采用二维逐层分类方法检测膝关节MRI扫描中是否存在异常胫前动脉。该策略与大多数现有研究[14, 15]形成对比,后者主要依赖分割技术评估血管结构。例如,U-Net架构因其能够捕捉上下文信息和精细解剖细节的能力,已被广泛用于医学影像中的血管分割。此外,三维卷积神经网络已在大脑、视网膜和胸部血管分割中显示出有效性,凸显了三维方法在血管分析中的优势[14, 15],尽管其需要更高的计算复杂度和更均一的采集协议,这可能为本研究的目标引入不必要的复杂性。
本研究证明了使用深度学习方法检测MRI检查中血管变异的可行性,因为我们成功开发了一个用于检测膝关节MRI研究中AATA的神经网络,并实现了较高的F1分数。我们的模型在内部验证中的强劲表现证明了其以高准确度识别血管变异的稳健性。
此外,外部测试集也产生了良好的F1分数,但精确率明显下降(0.66 vs. 内部测试集的0.98),尽管仍保持了较高的召回率(0.972)和准确率(0.969)。这一差异可部分归因于外部队列中AATA的患病率低得多(6% vs. 内部的36.5%)。此外,人群间的内在差异可能也有贡献,因为训练数据来自一家基于门诊的多中心机构,而外部数据集来自一家四级诊疗医院,其患者合并症更严重、影像学表现更复杂。较旧的MRI扫描仪和更高的患者流通量等技术因素也可能降低了图像质量。
尽管这些结果令人鼓舞,但仍有若干局限性值得关注。首先,训练数据仅来自一家私立多中心机构,可能无法完全反映更广泛临床实践中所遇到的 imaging protocols、患者人口学特征和疾病表现的谱系。其次,我们的模型将每个层面作为离散的2D图像处理,可能无法捕捉相邻层面的上下文线索。这种方法可能潜在地忽略与 confidently 识别血管异常相关的更细微解剖指标或空间关系。最后,放射科医师对MRI的共识作为参考标准,因为无法获得血管造影或手术确认,这可能导致 borderline 病例的误分类。
总体而言,本研究表明深度学习模型能够可靠地在膝关节MRI上检测动脉异常,在内部和外部测试集中均显示出高诊断性能。这些结果表明自动AATA检测是可行的,并可能通过提供对该血管变异的 consistent 识别来支持放射科医师。尽管需要进一步的工作来解决这些局限性并评估在放射科医师工作流程中的实际影响。
补充信息
以下是电子补充材料的链接。ESM 1(DOCX 1.39 MB)
引用
- Aihara AY, Pereira de Barros C, Kase DT, et al. Deep learning-based identification of aberrant anterior tibial artery on knee MRI: a brazilian multicenter study. Skeletal Radiol. 2026. PMID: 41870548. doi:10.1007/s00256-026-05198-z
- 全文:PMC13198507(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13198507/
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。