基于MRI扫描的脊柱病变自动检测

《European Spine Journal》：Automatic detection of spinal pathologies based on MRI scans

腰椎MRI病理椎体自动识别方法研究。采用98例受试者数据，结合RetinaNet-ResNet18进行椎体定位，ConvNeXt模型分类后经LightGBM优化，测试准确率95.38%，F1分数89.66%。该技术为脊柱病理诊断提供自动化工具，提升临床效率。

　　

摘要

目的

本研究旨在开发一种基于深度学习的方法，用于自动识别腰椎MRI扫描中的病变椎骨。

方法

研究使用了98名受试者的回顾性队列，其中包括31名健康对照组和67名患有椎骨病变（感染、炎症或癌症）的患者。数据来自1.5T和3.0T的MRI扫描仪，获取了T2加权MRI图像。采用基于ResNet18框架的RetinaNet目标检测算法在2D T2加权MRI图像中定位椎骨。使用ConvNeXt模型对检测到的椎骨进行健康或病变分类，并通过Optuna算法进行超参数优化。

结果

目标检测模型在病变椎骨的检测中达到了0.67的交并比（IOU）分数。通过LightGBM树模型进行后处理改进的2D分类模型，在测试中实现了95.38%的准确率、86.67%的精确度、92.86%的召回率和89.66的F1分数。

结论

本研究表明，深度学习模型在腰椎MRI扫描中检测病变椎骨是可行的。结合2D和3D成像数据可以提高诊断准确性，并提供一种自动化的放射科辅助工具，从而改善脊柱病理学诊断，有可能简化临床工作流程。