基于深度学习模型实现腰椎间盘突出症的精准量化与分类：助力临床诊断新突破

《La radiologia medica》：Quantification and classification of lumbar disc herniation on axial magnetic resonance images using deep learning models

为解决腰椎间盘突出症（LDH）诊断中存在的量化与分类难题，研究人员开展基于深度学习模型的研究，结果显示模型检测和分类性能良好，对临床诊断意义重大。

　　在当今社会，腰痛问题犹如一颗 “健康炸弹”，时刻影响着人们的生活质量。据统计，2017 年全球约有 577 万人饱受腰痛折磨，而腰椎间盘突出症（LDH）则是导致腰痛的 “罪魁祸首”。在诊断 LDH 时，磁共振成像（MRI）凭借其出色的软组织成像能力，成为了医生们的 “得力助手”。然而，传统的 LDH 诊断方法却存在诸多 “痛点”。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）联合推荐的分类方法，在实际操作中不仅繁琐、耗时，而且缺乏标准化和定量的评估标准。以往的深度学习（DL）研究虽取得了一定成果，但仍无法满足对病变区域严重程度进行定量分析的需求，医生们还得花费大量时间去验证诊断结果的准确性。为了攻克这些难题，来自天津医科大学总医院、山东大学第二医院等多中心的研究人员展开了一场科研 “攻坚战”。他们的研究成果发表在《La radiologia medica》上，为 LDH 的诊断带来了新的曙光。

研究人员采用了多种关键技术方法。他们收集了来自四个不同省份、12 种不同 MRI 设备的多中心数据，建立了包含训练集、内部测试集和外部测试集的数据集。在数据处理过程中，通过标准化图像大小、增强图像等方式，减少不同设备图像差异对结果的影响。利用 LabelMe 软件对图像进行标注，确保数据标注的准确性。研究中构建了基于 YOLOv8 的双分支多阶段工作流程，包含目标检测、语义分割和关键点检测等模型，以此实现对腰椎间盘区域的精准定位和特征分析。

研究结果主要从以下几个方面呈现：

1. 患者数据集特征：内部测试集 80 例患者中，女性 51 例，男性 29 例；外部测试集 300 例患者中，女性 163 例，男性 137 例，详细记录了不同数据集患者的年龄、性别等信息。
2. 分割模型和关键点检测模型评估：双分支多阶段工作流程在分割和关键点检测方面表现出色。如分支 1 和分支 2 的目标检测模型平均精度均值（mAP_50:95）分别达到 96.15% 和 97.81%，分割模型 mAP_50:95为 98.12% ，交并比（IoU）为 98.36%，关键点检测模型 mAP_50:95为 93.58%，平均误差（ME）仅 0.208mm。
3. 模型在内部测试集评估：在内部测试集中，模型定位任务 IoU 达到 97.58%，关键点预测平均误差 0.219mm。对于 LDH 的分类评估，18 类（结合严重程度等级和区域）的准确率为 82.25%，精度（P）为 81.21%，F1 分数为 81.26%，kappa 值 0.75（一致性高）；4 类（仅严重程度等级）准确率 92.50%，P 为 92.51%，F1 为 92.36%，kappa 值 0.88（一致性优秀） ；8 类（仅区域）准确率 85.00%，P 为 83.34%，F1 为 83.85%，kappa 值 0.77（一致性高） 。
4. 模型在外部测试集评估：在外部测试集中，模型定位任务 IoU 为 97.49%，关键点预测平均误差 0.221mm。18 类分类评估准确率 75.13%，P 为 74.50%，F1 为 74.42%，kappa 值 0.69（一致性高）；4 类分类评估准确率 90.00%，P 为 90.07%，F1 为 89.66%，kappa 值 0.85（一致性优秀）；8 类分类评估准确率 78.93%，P 为 77.87%，F1 为 78.21%，kappa 值 0.71（一致性高） 。

研究结论表明，该自动化辅助诊断模型在检测和分类 LDH 方面性能卓越，与专家分类的一致性较高。在讨论部分，研究人员指出，MRI 检查在 LDH 诊断中至关重要，但传统分析方法存在缺陷。他们开发的 DL 模型可有效解决这些问题，能精准识别轴向 MRI 中 LDH 的区域和程度，并与图像阅读系统集成，为医生提供客观准确的诊断依据。与以往研究相比，该研究采用多种分类方式，在准确性和疾病严重程度量化方面表现更优。不过，研究也存在局限性，如仅聚焦轴向 MRI，缺乏对矢状面 MRI 等信息的利用，且回顾性研究设计无法完全反映临床诊断的复杂性。未来，研究人员计划纳入更多成像数据，开展前瞻性研究，并探索新的 DL 算法，进一步优化诊断模型，扩大其应用范围，为腰椎疾病的诊断和治疗提供更有力的支持。这项研究为临床医生诊断 LDH 提供了高效、准确的辅助工具，有望改善患者的治疗效果和生活质量，在医学领域具有重要的意义和广阔的应用前景。