一个完全自动化的多阶段深度学习系统,用于Lenke分类:在青少年异常脊椎病的增强诊断精度
Lingcong Xu1, Caiyuan Liu1, Wenjie Zhong1
1Department of Orthopedics, Sichuan Provincial People's Hospital School of Medicine, University of Electronic Science and Technology of China, Chengdu, People's Republic of China.
The Journal of bone and joint surgery. American volume
|December 29, 2025
概括
一个新的深度学习系统自动化了从脊髓X光片的青少年异常学脊椎病 (AIS) Lenke分类,实现了高精度和可靠性. 这项技术有望标准化手术规划,提高AIS治疗工作流程效率.
科学领域:
- 医疗成像中的人工智能
- 脊椎外科和整形外科.
- 深度学习用于临床诊断
背景情况:
- 青少年异常学脊椎病 (AIS) 分类 (伦克系统) 由于主观临床评估而存在观察者间的变异性.
- 准确的Lenke分类对于有效的外科规划和AIS治疗至关重要.
- 现有的AIS分类方法缺乏客观性和效率.
研究的目的:
- 开发和验证一个完全自动化的深度学习系统,使用脊柱放射图进行AIS的精确Lenke分类.
- 与专家评估相比,评估系统的准确性,可靠性和效率.
- 探索AI在标准化AIS手术规划和减少诊断变异性方面的潜力.
主要方法:
- 一项回顾性研究,涉及650名参与者 (183名健康人,467名AIS患者) 进行全脊椎放射.
- 一个多阶段的深度学习系统,结合了Swin-Unet用于脊椎细分和DeepLabv3+用于足骨定位,以确定曲线类型和修饰器.
- 由深度学习系统执行的自动端到端的Lenke分类,在独立的测试集上进行验证.
主要成果:
- 自动化系统在Lenke分类中实现了95.6%的整体准确性,宏观平均F1得分为0.862.
- 脊椎细分和科布角测量显示出高精度和与专家评估的良好一致性 (ICC 0.969-0.976).
- 修饰剂分配实现了高F1分数 (0.912为腰部,0.928为腰部),超过了临床可接受度值.
结论:
- 完全自动化的深度学习系统提供快速,客观和临床可靠的Lenke分类,直接从X光片.
- 系统性能与专家评估相当,表明其临床应用的潜力.
- 该系统可以标准化AIS手术规划,减少诊断变化,提高手术工作流程效率.
