基于磁共振成像的骨盆和部3维模型,使用机器学习进行动态部阻塞模拟的自动骨段化
Till D Lerch1, Guodong Zeng2, Adam Boschung3
1Department of Diagnostic, Interventional and Pediatric Radiology, Inselspital, University of Bern, Bern, Switzerland.
Orthopaedic journal of sports medicine
|September 22, 2025
概括
使用MRI对3D部骨模型进行自动细分,与诊断股骨支骨 (FAI) 的手动方法一样准确. 这种深度学习方法可以实现有效的,针对患者的手术规划,用于部保护和关节镜手术.
科学领域:
- 医学成像分析分析 医学成像分析
- 整形外科手术 整形外科手术
- 医学中的人工智能
背景情况:
- 腿骨 (FAI) 可能导致部疼痛和骨关节炎.
- 来自动态部模拟的3D骨模型有助于患者特定的FAI诊断.
- 手动对骨模型进行细分是耗时的,需要自动化方法.
研究的目的:
- 比较基于MRI的3D部骨模型的手动和自动细分.
- 关联自动细分与无冲击的部运动范围.
- 验证自动细分的外部准确性.
主要方法:
- 98个部的回顾性研究 (30名FAI患者,19名无症状).
- 使用快速3D T1加权VIBE迪克森序列获得的3-T MRI.
- 利用机器学习 (CNN) 进行自动细分;计算子相似系数 (DSC) 和运动范围差异.
主要成果:
- 与手动相比,自动细分显示了最小的差异 (<1毫米) 和高的DSC (94.1%-97.5%).
- 对于无冲击曲的良好相关性 (r=0.93).
- 外部验证实现了92.2%-94.9%的DSC.
结论:
- 基于MRI的3D骨模型的自动细分对于FAI患者来说是准确的.
- 能够实现无辐射,患者特定的手术规划,用于部保护和关节镜手术.
- 通过常规的MRI和短的获取时间,深度学习细分是可行的.

