基于深度学习的评估,对脊肌退化及其与肌肉功能的关系和慢性腰痛中的残疾结果:一项前性研究
Pinzhen Chen1, Ping Ye2, Taotao Yang1
17T Magnetic Resonance Translational Medicine Research Center, Department of Radiology, Southwest Hospital, Army Medical University (Third Military Medical University), Chongqing, China.
European radiology
|December 17, 2025
概括
深度学习准确地量化了慢性腰部疼痛 (CLBP) 中的副脊髓肌肉脂肪分数. 较高的肌肉脂肪分数与增加的残疾相关,肌肉耐力发挥着间接作用.
科学领域:
- 生物医学成像技术 生物医学成像技术
- 人工智能在医学中的应用
- 肌肉骨研究 研究
背景情况:
- 慢性腰部疼痛 (CLBP) 经常与副脊柱肌肉退化有关.
- 量化肌肉脂肪分数 (FF) 对于理解CLBP病理生理学至关重要.
- 目前用于FF量化的方法可能存在局限性.
研究的目的:
- 与迪克森MRI相比,评估深度学习 (DL) 模型在量化多 (MF) 和直立脊柱 (ES) 肌肉FF的准确性.
- 探索肌肉功能对CLBP患者肌肉退化和残疾之间的关系的间接影响.
主要方法:
- 开发了一个DL-Otsu值模型,用3D T2加权MRI图像来量化肌肉FF.
- DL模型的FF量化与DixonMRI的FF测量进行了验证.
- 分析了肌肉FF,肌肉功能 (耐力) 和残疾结果 (ODI,RMDQ,SF-36) 之间的关联,使用96名CLBP患者的相关性和中介性分析.
主要成果:
- DL-Otsu模型与迪克森MRI在MF和ES FF量化方面的高度一致 (CCC ≈ 0.95-0.96).
- 较高的MF和ES FF与增加的残疾分数 (ODI/RMDQ) 和降低生活质量 (SF-36) 有显著的相关性.
- 肌肉耐力与残疾有显著的负相关性,与生活质量有积极相关性,介导肌肉耐力与残疾之间的关系.
结论:
- 深度学习提供了一种准确可靠的方法来量化副脊髓肌肉FF.
- 肌肉退化,由增加的FF表示,与CLBP中的残疾直接相关.
- 肌肉耐力在副脊柱肌肉退化和残疾之间的关联中扮演着重要的间接角色,强调了其在康复中的重要性.
