编辑推荐：
在髋部疾病的诊疗中，准确评估髋关节软骨和盂唇对手术决策至关重要。研究人员开展基于卷积神经网络（CNNs）的自动分割研究，结果显示该模型性能良好，与手动分割一致性高。这为临床提供快速准确的 3D MRI 模型，助力髋部疾病精准诊疗。
在医学领域，髋部疾病的诊断和治疗一直是备受关注的话题。髋关节软骨和盂唇的健康状况对于评估髋部疾病、制定治疗方案至关重要。然而，传统的二维（2D）MRI 只能对髋关节软骨和盂唇进行形态学评估，无法全面、准确地反映其三维（3D）解剖结构。而且，手动分割髋关节软骨和盂唇不仅耗时费力，还需要专业的医学知识和经验，这使得在日常临床实践中，对髋关节软骨和盂唇进行详细的 3D 分析以及相关指标的评估难以实现。同时，之前的自动分割尝试效果不佳，基于深度学习的研究样本量小且未包含盂唇。因此，开发一种高效、准确的自动分割方法迫在眉睫。
为了解决这些问题，来自瑞士伯尔尼大学医院等机构的研究人员开展了一项基于直接髋关节磁共振关节造影（MR arthrography）的研究。他们利用卷积神经网络（CNNs），基于 3D MRI 对髋关节软骨和盂唇进行自动分割，旨在开发并验证一种深度学习方法，以创建基于 MRI 的髋关节盂唇和软骨的全自动 3D 模型。研究成果发表在《Scientific Reports》上。
研究人员在开展研究时，运用了多个关键技术方法。首先，收集了内部和外部两个数据集。内部数据集来自 2020 年 1 月至 2021 年 10 月伯尔尼大学医院放射科的直接髋关节 MR 关节造影数据，外部数据集来自 2021 年 12 月至 2022 年 9 月的相关数据 。然后，使用基于 U - Net 架构的卷积神经网络（CNNs）进行模型构建，通过自动裁剪图像体积、运用 3D U - net 架构以及 nnU - Net 框架进行训练、评估和预测。最后，采用多种评估指标，如 Dice 相似系数（DSC）、平均对称表面距离（ASSD）等对模型性能进行评价。
研究结果
- 数据：研究队列包含多种股骨和髋臼畸形，内部训练集和测试集在形态学上无差异。
- 模型性能：内部测试集中，软骨的平均 DSC 为 0.92 ± 0.02，盂唇为 0.83 ± 0.04；外部数据集 1 测试中，软骨和盂唇的 DSC 均有所下降；外部数据集 2 再训练后，软骨和盂唇的 DSC 有所提高。这表明通过额外训练可提升模型性能。
- 组间和组内一致性：手动分割软骨 / 盂唇的组间一致性 DSC 为 0.93 ± 0.04/0.82 ± 0.05，组内一致性 DSC 为 0.94 ± 0.03/0.84 ± 0.07，均与内部测试集相当。这说明自动分割模型的性能与手动分割的一致性较高。
研究结论与讨论
该研究展示了一种基于 3D 序列的直接 MR 关节造影对髋关节软骨和盂唇进行全自动 MRI 分割方法的可行性。模型在软骨和盂唇分割上性能良好，与手动分割的一致性相当。虽然模型在外部数据集 1 上性能有所下降，但通过额外训练可提升性能。这一研究成果为大规模的形态学和预后研究铺平了道路，有助于更准确地识别潜在的髋部病理机制，更精准地预测关节损伤，从而改善手术决策，对髋部疾病的诊疗具有重要意义。不过，该研究也存在一定局限性，如样本量较小，无法进行亚组分析；仅使用了一个供应商的两种不同脉冲序列的数据，需要更大规模的多中心、多供应商研究来验证模型的通用性；研究结果仅基于直接 MR 关节造影，无法推广到非对比 MRI。但总体而言，这项研究为髋关节软骨和盂唇的研究及临床应用带来了新的方向和希望。
