深度卷积神经网络在腰椎MRI椎体测量与不全骨折检测中的性能
该回顾性多中心研究纳入200例患者共1000个椎体,评估深度卷积神经网络(DCNN)在腰椎MRI上测量椎体参数及检测不全骨折的性能。DCNN与放射科医师的测量一致性优良(ICC>0.94),骨折检测敏感度0.941、特异度0.969、准确率0.962,且不受机构、扫描仪类型及场强影响。
要点
- DCNN椎体高度和角度测量与放射科医师一致性优良(ICC>0.94),可用于自动定量。
- DCNN检测不全骨折敏感度0.941、特异度0.969、准确率0.962,性能高且稳定。
- 假阳性常见于椎体内疝和严重骨软骨病,假阴性常见于无显著高度丢失的骨折。
关键影像表现/征象
- 不全骨折在MRI上表现为压缩畸形,根据Genant分型分为楔形、凹陷形或挤压形,无论骨折新旧。
- 假阳性中45.8%有显著椎体内疝,25.0%有严重骨软骨病;假阴性中57.1%为无或轻微移位、无显著高度丢失的骨折。
诊断标准与关键数值
- 骨折检测敏感度0.941(95%CI 0.903-0.968),特异度0.969(95%CI 0.954-0.980),准确率0.962(95%CI 0.948-0.973)。
- 椎体前高和后高及椎体角测量与医师的ICC>0.94;上终板凹陷ICC 0.79-0.85,下终板凹陷ICC 0.79-0.85,均为良好至优秀。
- Bland-Altman分析:前高平均差0.2 mm(LoA ±2.9 mm),后高0.5 mm(LoA ±1.5 mm),上终板凹陷0 mm(LoA ±2.7 mm),下终板凹陷-0.2 mm(LoA ±2.0 mm),椎体角0°(LoA ±6.9°)。
- 骨折定义采用Genant分类:楔形畸形为前高/后高比值低于健康人群3个标准差;凹陷畸形为中央高度/后高比值低于参考值3个标准差;挤压畸形为整体高度较相邻椎体降低超过健康人群3个标准差。
临床应用与阅片要点
- DCNN可自动测量椎体前高、后高、终板凹陷程度和椎体角,并基于Genant分类自动判断不全骨折,辅助阅片。
- 注意椎体内疝和严重骨软骨病可能导致假阳性,无显著高度丢失的骨折可能导致假阴性。
- DCNN性能不受MRI检查机构、扫描仪品牌和磁场强度影响,适合在多中心异质性数据中应用。
局限性
- 回顾性研究设计。
- 仅纳入腰椎,未评估胸椎等其他部位。
- 参考标准为放射科医师评估而非临床金标准。
全文中译18 节 · 点击展开
引言
多项研究一直在探索人工智能(AI)在肌肉骨骼影像学中的应用 [1–14]。深度学习(DL)作为机器学习的一个子集,可用于各种任务,如图像识别 [15]、图像重建和图像数据转换 [16–18]、组织分割 [19, 20]、工作流程支持以及疾病检测 [15–17, 21]。
椎体骨折是一种常见病变,在日常放射学实践中经常遇到。椎体骨折主要有两大类:创伤性和非创伤性。后者可进一步细分为(1)功能不全性骨折,例如骨质疏松患者中的骨折,以及(2)由局灶性骨异常(如肿瘤)引起的病理性骨折 [22]。椎体功能不全性骨折通常为压缩性骨折,其特征是至少一个终板出现凹陷 [23]。根据骨折的形态以及其他终板或后壁的受累情况,压缩性骨折可分为楔形、凹陷形或挤压形畸形 [23]。此外,椎体高度丢失的程度具有重要的临床意义,其与压缩性骨折类型相结合可影响治疗和康复 [24–26]。因此,功能不全性骨折的检测和精确形态学量化在临床实践中至关重要。
非创伤性背痛患者的一线影像检查包括正位和侧位X线摄影 [27]。进一步的诊断评估通常包括MR成像,例如排除X线隐匿性骨折、检测神经压迫以及指导治疗。少数研究探讨了机器学习方法在X线摄影、双能X线吸收测定法(DEXA)和CT上进行骨折检测的应用 [13, 28–31],部分研究显示出较高的诊断准确性。近期研究应用深度卷积神经网络(DCNN)在腰椎MRI数据集上区分良性与恶性骨折以及新鲜与陈旧性骨质疏松性骨折,显示出较高的诊断准确性 [32–34]。关于基于AI的腰椎测量,已有多项研究发表 [14, 35–37]。然而,据我们所知,迄今尚未有研究探讨深度学习架构在MRI上用于椎体定量评估及功能不全性骨折检测的潜力。
因此,本研究旨在验证DCNN在基于MRI的椎体测量和腰椎功能不全性骨折检测方面的诊断性能。
材料与方法
本回顾性队列研究经当地伦理委员会(苏黎世州伦理委员会)批准。所有纳入受试者均签署书面知情同意书,同意将既往或未来的影像数据用于研究目的。
研究人群
我们进行了腰椎MRI的数据库检索。前160例(从2021年12月起连续倒数选取)椎体功能不全性骨折患者被纳入研究。40例连续无椎体骨折的患者作为对照组,最终队列规模为n = 200。为在异质性队列中测试深度卷积神经网络(DCNN),我们纳入了本机构(“院内”)以及影像归档和通信系统(PACS)中可获取的其他医院/诊所(“院外”)的检查。“院外”检查包括来自12家不同机构的图像:44例检查使用GE设备,56例检查使用Philips设备,1例检查使用Siemens设备。纳入/排除的详细流程图见图1。
磁共振成像
“院内”MRI检查在临床1.5-T或3.0-T系统(MAGNETOM Avanto fit、MAGNETOM Skyra fit、MAGNETOM Vida,Siemens Healthcare GmbH)上进行,采用不同的成像方案,如表1所述。其他机构的MRI检查在三大主流厂商的临床1.5-T或3.0-T扫描仪(GE Healthcare、Philips Healthcare和Siemens Healthcare)上进行。为确保足够的对比特性和图像质量,所有纳入的矢状位T2加权MR序列要求如下:回波时间:≥ 80 ms,重复时间:≥ 3000 ms,层厚:2–4 mm,面内体素尺寸:≤ 0.8 × 0.8 mm。
MRI判读
两名肌肉骨骼放射科医师独立评估每例MRI(C.G.具有8年经验,B.F.具有10年经验)。图像分析包括(a)椎体形态测量和(b)对每个椎体是否存在功能不全性骨折进行分类。对于以下测量,每位阅片者和DCNN分析的是经椎体中部同一单幅矢状位层面:(1)椎体前缘高度(AH),(2)椎体后缘高度(PH),(3+4)上终板凹陷(SC)和下终板凹陷(IC)的最大程度,以及(5)上下终板之间的椎体角(VA)(图2)。根据Genant分类,椎体功能不全性骨折定义为存在楔形、凹陷形或压碎形变形,不论骨折新旧[24]。若两位阅片者对功能不全性骨折意见不一致,则进行共识判读。为此,由第三名肌肉骨骼放射科医师(R.S.具有16年经验)解决分歧。
深度卷积神经网络
ground truth由医学标注员和放射科医师在T2加权矢状面图像上使用医学标注平台(https://www.trainingdata.io/)创建。对每幅图像创建椎体标注,包括上位骶椎(S1)、全部腰椎(L1至L5)和下位胸椎(补充图1)。
训练、验证和测试
用于深度卷积神经网络(DCNN)训练、验证和测试的数据集包括2009年至2019年的1056例腰椎MRI,来源于三家不同机构,使用临床1.5-T或3.0-T MRI扫描仪。我们使用1056个MRI数据集中的834个(79.0%)用于训练(即计算DCNN模型的权重),1056个中的104个(9.8%)用于验证(即调整DCNN模型的参数),1056个中的104个(9.8%)用于测试(即评估模型准确率)。我们在训练集中包含的37项研究(1.4%)上优化了测量算法。训练集中1.5-T与3.0-T数据集的分布为83.6% vs. 16.4%,验证集中为82.7% vs. 17.3%,测试集中为79.8% vs. 20.2%。
该算法包括三个步骤:第一,图像预处理和选择;第二,椎体分割;第三,角点检测和测量(图3)。
预处理
一种算法从腰椎MRI中选择矢状面T2加权序列。通过将每幅图像重缩放至每体素0.6 mm × 0.6 mm并将每个层面调整大小为448 × 320的矩阵来标准化图像。MRI图像转换为12位(0至4096)。在模型开发过程中,能够区分椎体和纤维环的最具信息量的强度范围位于0至2500之间的较低强度范围。因此,我们选择将算法限制在该范围内。相应地,体素强度值除以2500并截断至1.0, resulting in an intensity range of 0.0 to 1.0。除中心层面外,所有层面均从进一步分析中剔除。如果序列包含偶数个层面,则使用中心偏左层面。
椎体分割
由深度卷积神经网络(DCNN)进行图像分割,该网络包括一个用于捕捉图像上下文的编码路径和一个对称的解码路径,后者通过一系列反卷积生成二值掩膜。该模型遵循 Ronneberger 等人 [38] 所示的 U-net 架构。编码路径五个卷积块中的前四个与其镜像解码块进行了拼接(跳跃连接)。每个卷积块由两层 3 × 3 卷积、批归一化和 ReLU 激活层组成,后接一个 2 × 2 最大池化层。每个块的滤波器数量从 32 开始,以两倍递增至 512。椎体分割模型的训练任务使用 Dice 系数损失函数进行。我们使用 Adam 算法作为学习过程的优化器,学习率为 0.05。最后,使用 TensorFlow(v2.2.0;https://tensorflow.org)后端开发和训练 DCNN。训练在 NVIDIA Tesla V-100 图形处理器上进行,批大小为 16,训练 100 个 epoch。DCNN 模型在 104 张标注图像上进行了测试,结果为中位 Dice 系数 0.968、平均 Dice 系数 0.964、Dice 系数标准差 0.0167。
角点检测与椎体高度测量
在矢状位切片上为每个椎体定义四个角点,作为前缘高度(AH)、后缘高度(PH)和椎体角度(VA)测量的解剖标志(图 2)。具体而言,我们使用三种算法确定这四个解剖标志:(1)从基于包围矩形的初始点集出发,使用盆地跳跃法优化每个点的位置;(2)评估椎体分割边界凹包的曲率,提取曲率最高的四个点;(3)沿椎体边界定义直线,并将角点定位在这些直线的交点附近。每种策略提供四个椎体角点。在这三组角点中,选择使椎体分割与由四个角点构成的多边形之间重叠最大的那一组。
后处理
预测的椎体分割经过少量后处理步骤,以通过以下方式去除解剖学上不合理的像素:填充预测中的孔洞、去除过小的孤立像素簇、去除距离大多数分割椎体过远的像素簇。为了可视化单个椎体,对图像进行裁剪,并围绕每个椎体中心按由椎体对齐推导出的旋转角度进行旋转。
骨折检测
使用上述椎体测量值,该算法根据 Genant 分类 [24] 将每个椎体分类为完整或骨折。
如果前缘比率(前缘高度除以后缘高度)比健康人群低三个标准差,则存在楔形畸形。如果中央高度(椎体中部)与后缘高度之间的比率比健康人群的参考比率低三个标准差,则存在凹陷畸形。压缩畸形是指与邻近椎体相比,椎体的整体高度降低超过健康人群的三个标准差。
统计分析
统计分析使用SPSS 25.0版(SPSS Statistics for Windows,IBM Corporation)和MedCalc 17.6版(MedCalc Software bvba)进行。分类数据以比例和百分比表示,连续数据以均值±标准差表示。观察者间可靠性通过计算椎体测量的组内相关系数(ICC)和骨折检测的Cohen's kappa值进行评估。ICC值根据Koo等[39]的解释标准进行解读,kappa值根据Landis和Koch[40]的标准进行解读。两位读者的ICC值取平均值后,使用Bland-Altman图及一致性界限(LoA)与深度卷积神经网络(DCNN)评估结果进行比较[41]。
计算骨折存在的诊断性能指标(灵敏度、特异度和准确度)及其95%置信区间(CI)。若95%CI不重叠,则接受为差异有统计学意义。
结果
研究队列
表2列出了详细的患者特征和扫描仪类型。纳入的受试者均不属于DCNN的训练集、验证集或测试集。
本研究纳入200名受试者:160名受试者(80.0%)腰椎至少存在一个椎体功能不全性骨折,40名受试者(20.0%)无任何腰椎椎体骨折。队列平均年龄为75.2 ± 9.8岁。200名患者中75名(37.5%)为男性,125名(62.5%)为女性。在1000个检查的腰椎椎体中,238个(23.8%)存在功能不全性骨折,762个椎体(76.2%)完整。功能不全性骨折发生于200个L1椎体中的92个(46.0%)、200个L2椎体中的52个(26.0%)、200个L3椎体中的37个(18.5%)、200个L4椎体中的32个(16.0%)以及200个L5椎体中的25个(12.5%)。200名患者中99名(49.5%)在本机构(“院内”)进行了腰椎MRI检查,101名(50.5%)在另一机构(“院外”,11家不同机构)进行了检查。200次MR检查中100次(50.0%)使用Siemens Healthcare扫描仪,44次(22.0%)使用GE Healthcare系统扫描仪,56次(28.0%)使用Philips Healthcare扫描仪。200次检查中106次(53.0%)在1.5-T MR扫描仪上进行,94次(47.0%)在3-T扫描仪上进行。
椎体测量
表3显示了放射科医师与DCNN之间的ICC值及95%置信区间和kappa值。图4展示了椎体前缘高度(AH)和椎体后缘高度(PH)的Bland-Altman图。补充图2和3展示了上终板(SC)和下终板(IC)凹陷最大程度以及椎体角度(VA)测量的Bland-Altman图。
读者1与读者2之间关于AH和PH的读者间可靠性为“优秀”(AH的ICC = 0.976;PH的ICC = 0.965),读者1与DCNN之间(AH的ICC = 0.970;PH的ICC = 0.946),以及读者2与DCNN之间(AH的ICC = 0.962;PH的ICC = 0.949)。SC测量的 agreement 在读者1与读者2之间为“优秀”(ICC = 0.932),在读者1与DCNN之间(ICC = 0.846)以及读者2与DCNN之间(ICC = 0.834)为“良好”。关于IC测量,所有三组比较的 agreement 均为“良好”:读者1与读者2(ICC = 0.891)、读者1与DCNN(ICC = 0.792)以及读者2与DCNN(ICC = 0.788)。VA测量在所有比较中均产生“优秀” agreement:ICC = 0.970(读者1与读者2)、ICC = 0.944(读者1与DCNN)以及ICC = 0.941(读者2与DCNN)。
DCNN评估与两位放射科医师平均测量值之间的Bland-Altman分析显示,高度测量在数毫米限度内具有良好一致性:AH平均差异为0.2 mm,LoA为± 2.9 mm;PH平均差异为0.5 mm,LoA为± 1.5 mm;SC平均差异为0 mm,LoA为± 2.7 mm;IC平均差异为− 0.2 mm,LoA为± 2.0 mm。放射科医师与DCNN之间VA测量的平均差异为0°,LoA为± 6.9°(图4及补充图2和3)。
骨折检测算法的诊断性能
表4显示了DCNN骨折检测的敏感度、特异度和准确度及其95%置信区间。表5呈现了DCNN分类的真阳性、假阳性、真阴性和假阴性数量的列联表。
DCNN表现出总体较高的诊断性能,远高于第90百分位数:敏感度为0.941(0.903–0.968),特异度为0.969(0.954–0.980),准确度为0.962(0.948–0.973)。在分析的1000个椎体中,DCNN产生24例假阳性和14例假阴性。回顾24例假阳性,11例(45.8%)有显著的椎体内疝,6例(25.0%)有严重骨软骨病(图5和图6)。关于14例假阴性,8例(57.1%)为无移位或仅轻微移位骨折,无显著椎体高度丢失(补充图4),这可能导致了DCNN的假阴性判读。
DCNN的性能与MRI检查来源(“院内”或“院外”)无关,95%置信区间重叠(准确度:0.943–0.978 vs. 0.940–0.976)。此外,MRI扫描仪类型(厂商)对DCNN的诊断性能无显著影响,所有三组比较的95%置信区间重叠(准确度:0.944–0.979 vs. 0.930–0.984 vs. 0.926–0.978)。最后,DCNN性能在1.5-T和3.0-T磁场强度MRI检查之间相当,95%置信区间重叠(准确度:0.947–0.980 vs. 0.935–0.974)。
讨论
在这项回顾性分析中,我们评估了一个专用DCNN在大型患者队列中基于MRI进行腰椎椎体测量和检测功能不全骨折的性能。这些检查在不同机构进行,导致纳入的脉冲序列方案具有很大的多样性,这代表了放射学实践中MRI检查的广泛异质性。我们发现,DCNN在所有测量方面与放射科医师之间表现出良好至优秀的一致性,并且对椎体功能不全骨折具有高诊断准确性,其敏感性、特异性和准确性分别为0.94、0.97和0.96。
我们的研究是最早评估基于深度学习的MRI椎体测量可靠性的研究之一。最近,Suri等人展示了一个深度学习模型在MRI、CT和X线摄影上准确测量椎体畸形的潜力,测量误差约为2% [37]。同样,我们研究中的DCNN在测量椎体前缘和后缘高度以及椎体角度方面与每位放射科医师均表现出优秀的一致性,这与两位放射科医师之间的观察者间信度相似。功能不全骨折主要是老年人的疾病,这是我们研究人群平均年龄高达75岁的主要原因,并且它们与腰椎退行性疾病相关。伴随的终板不规则和骨赘妨碍了为形态学测量准确确定正确的前缘和后缘终板角点,这可能降低了放射科医师与DCNN之间的一致性。对终板凹陷程度的评估显示,DCNN与两位放射科医师之间的一致性略低但仍属良好。然而,与椎体前缘或后缘高度相比,该评估的放射科医师间一致性也较低。可以说,Schmorl结节的存在以及程度较轻的终板退行性改变是测量终板凹陷直径时出现轻微不一致的原因。
深度卷积神经网络(DCNN)检测腰椎功能不全性骨折的总体诊断准确率较高。0.941的敏感度、0.969的特异度和0.962的准确率可能提示其可作为临床实践中的筛查工具。关于深度学习辅助腰椎骨折检测的诊断准确性研究仅发表了少数几项。近期一项研究显示,人工智能辅助(深度学习算法)对全身肌肉骨骼系统X线图像中的骨折检测可提高敏感度并趋于改善特异度,该研究由非放射科医师和放射科医师共同分析[28]。然而,该研究内仅针对胸腰椎(n = 56)的亚组分析表明,使用人工智能辅助时骨折检测的诊断准确性并无相关改善[28]。另一项研究显示,计算机辅助诊断腰椎椎体骨折在双能X线吸收测定法(DEXA)图像上具有较高的诊断准确性[29]。作者发现敏感度为0.818,特异度为0.974。2017年,Burns及其同事在计算机断层扫描图像上检验了自动化椎体压缩性骨折检测,发现敏感度为0.957,该值与我们的结果相当[30]。然而,该研究并未应用基于深度学习的架构,而是应用高度罗盘来区分骨折与无骨折[30]。评估基于MRI诊断椎体骨折的深度学习架构的已发表研究数量稀少。Yabu及其同事评估了DCNN算法基于MR图像区分新鲜与陈旧骨质疏松性椎体骨折的性能:作者报告的DCNN敏感度为0.88、特异度为0.88、准确度为0.88,与脊柱外科医师的性能相似[33]。Yeh等和Yoda等近期检验了基于深度学习的方法在MRI上区分良性与恶性椎体骨折的准确性,分别使用1.5 T的矢状位T1和T2加权图像[32]或1.5 T或3.0 T的矢状位T1加权和STIR图像[34]。两项研究的结果均显示DCNN与放射科医师[32]和脊柱外科医师[32, 34]相比具有相当的诊断准确性。这些研究中必须使用绘图框手动勾画骨折椎体。相比之下,我们以端到端方式使用全自动算法检测骨折椎体。未来的项目可将此类DCNN串联起来,或可实现对多种腰椎疾病的覆盖和检测。
关于骨折检测,在1000个椎体中,我们的DCNN分类出24例假阳性和14例假阴性。24例假阳性中有17例显示明显的椎体内疝出或终板退行性不规则,这可能解释误分类的原因。
有趣的是,使用我们的DCNN,我们未发现不同扫描仪或不同场强采集的图像在测量或骨折检测方面存在显著差异。这强调了我们的发现具有普遍性,意味着无论使用何种MRI扫描仪和脉冲序列方案,DCNN的性能均应取得相同的结果。
要在日常实践中取得成功,诸如本文所提出的深度卷积神经网络(DCNN)之类的决策支持工具,只有完全整合到放射科医师和其他医师的临床工作流程中,才可能具有最高价值[42]。该DCNN部署在一台连接至图像归档与通信系统(PACS)的专用服务器上。它接收并分析磁共振(MR)检查,并将结果返回至PACS系统,以PDF格式显示在DICOM图像旁边。
我们的研究存在局限性。首先,我们的队列代表老年人群,因为功能不全性骨折在年轻个体中罕见,这可能限制了我们研究结果的普适性。然而,该DCNN的测试和验证是在年龄范围较广的队列中进行的,这使得患者年龄对该算法诊断准确性的影响不太可能。其次,放射科医师的骨折分类可能代表一个不完美的参考标准。在仅有细微改变的椎体中,可能发生误分类,尤其是在无骨髓水肿样改变的慢性功能不全性骨折中。通过使用三位经验丰富的肌骨放射科医师的共识,我们旨在尽量减少这一潜在偏倚。第三,该DCNN在真实环境中的诊断性能可能略低(当纳入存在严重运动伪影和/或脊柱侧弯的MRI时),因为在这些病例中,DCNN的表现可以说可能比放射科医师更差。
总之,对于腰椎MRI上的椎体测量和功能不全性骨折检测,我们DCNN的诊断性能与肌骨放射科医师的诊断性能相当。
补充信息
ESM 1(DOCX 4061 kb)
引用
- Germann, Meyer, Staib, et al. Performance of a deep convolutional neural network for MRI-based vertebral body measurements and insufficiency fracture detection. Eur Radiol. 2022. PMID: 36576545. doi:10.1007/s00330-022-09354-6
- 全文:PMC10121505(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10121505/
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。