使用深度学习在腰部MRI上自动测量脊椎骨质量评分:开发和验证AI算法
Nishantha M Jayasuriya1, Emily Feng1, Karim Rizwan Nathani2
1Department of Neurologic Surgery, Mayo Clinic, Rochester, MN, USA.
Clinical neurology and neurosurgery
|August 8, 2025
概括
一个人工智能算法准确地预测了来自MRI扫描的脊椎骨质量 (VBQ) 评分,改善了脊柱手术的手术前评估. 这项技术有助于识别骨健康不佳的患者,以获得更好的外科手术结果.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 整形外科 整形外科 整形外科
背景情况:
- 骨健康对于脊柱手术成功至关重要.
- 目前的骨质评估方法有限.
- 术前评估对于优化手术结果至关重要.
研究的目的:
- 开发和验证用于预测脊椎骨质量 (VBQ) 评分的AI算法.
- 为了使自动VBQ评分从常规的腰部MRI扫描.
- 改善手术前识别那些有不良外科结果风险的患者.
主要方法:
- 利用了来自SPIDER挑战数据集的257个腰椎MRI扫描.
- 开发了一个YOLOv8模型,用于自动化兴趣区域放置和VBQ得分计算.
- 验证了AI系统与47名患者的手册注释,评估性能指标.
主要成果:
- YOLOv8模型在脊椎体检测方面实现了高精度.
- 在人类和人工智能测量之间观察到强大的interrater可靠性 (ICC:0.88-0.93).
- 高皮尔森相关性 (0.86-0.9) 和低RMSE (0.42-0.58) 表示准确的VBQ得分预测.
结论:
- 人工智能算法准确地预测从腰部MRI的VBQ得分.
- 这种方法可以提高早期识别患有骨健康不佳的患者.
- 建议进行外部验证以获得更广泛的临床适用性.
