使用基于神经网络的自动脊柱细分和从常规的临床CT扫描中提取体积骨矿物质密度的偶然脊椎骨折预测
Jannis Bodden1, Michael Dieckmeyer1,2, Nico Sollmann1,3,4
1Department of Diagnostic and Interventional Neuroradiology, School of Medicine, Klinikum rechts der Isar, Technical University of Munich, Munich, Germany.
Frontiers in endocrinology
|August 2, 2023
概括
使用自动提取的CT扫描骨密度来预测脊椎骨质疏松性骨折 (VF) 比使用骨折史更有效. 这突显了机会性骨质疏松症查在常规CT成像中的价值.
科学领域:
- 放射学 放射学是一门学科.
- 骨质疏松症研究 骨质疏松症研究
- 医学成像分析 医学成像分析
背景情况:
- 脊椎骨质疏松性骨折 (VF) 是一个重大的健康问题.
- 当前的预测模型通常依赖于骨折历史,这可能无法完全预测.
- 常规CT扫描为机会性骨质疏松症查提供了一个潜在的来源.
研究的目的:
- 为了评估预测VF的有效性,使用从常规CT扫描中自动提取的脊髓体体积骨矿物质密度 (vBMD).
- 将这种新型预测模型与基于VF流行率和数量的传统模型进行比较.
主要方法:
- 一项对420名接受两次CT扫描的患者的回顾性研究.
- 使用卷积神经网络框架进行自动脊柱细分和vBMD提取.
- 后勤回归分析,以计算基于vBMD,VF状态和VF数量的流行和发病VF的几率比,根据年龄和性别进行调整.
主要成果:
- 较低的vBMD显着与流行和发病VF的更高几率相关 (例如,L1-5发病VF:OR 3.5,p<0.001).
- 基于VF状态和计数的预测模型在事件VF中表现不佳.
- 与VF状态和计数模型相比,基于vBMD的模型显示出更好的匹配 (较低的AIC和BIC值).
结论:
- 从常规CT中自动提取的vBMD与VF状态和计数相比,是VF的优越预测指标.
- 强烈建议使用现有的MDCT数据进行机会性定量骨质疏松症查.
- 这种方法可以提高骨质疏松症的早期检测和管理.
