基于自适应局部阈值与自动ROI划分的髋关节置换术股骨活检微CT形态计量学自动化分析新策略

针对髋关节置换术中不规则形状骨活检样本因外周碎屑干扰导致传统手动ROI（Region of Interest）划分效率低、结果变异大的问题，本研究开发了一种结合自适应局部阈值（adaptive thresholding）、自动ROI包裹及碎屑清除的微CT（micro-CT）形态计量学全自动流程。通过对比6种分析方法，证实该技术可显著提升骨体积分数（BV/TV）、骨小梁分离度（Tb.Sp）等参数的检测灵敏度，为骨关节炎（OA）与股骨颈骨折（NOF）患者的骨微结构差异研究提供高效客观工具。

　　

研究背景
骨微结构分析是评估骨质疏松、骨关节炎等疾病的关键手段，而微CT（micro-computed tomography）技术因其非破坏性三维成像能力成为活检样本研究的金标准。然而，手术获取的骨活检样本常因操作损伤产生外周碎屑，传统手动划定感兴趣区域（ROI）不仅耗时且存在观察者间差异，尤其对低骨量样本的分析精度影响显著。更棘手的是，临床常用的聚氯乙烯（PVC）包裹膜在扫描中会产生干扰信号，而现有方法多依赖全局阈值（global thresholding）和固定ROI，难以适应不规则样本的复杂需求。

研究设计与方法
澳大利亚阿德莱德大学的研究团队针对上述问题，开发了一套自动化分析流程。研究纳入60例髋关节置换术患者的股骨活检样本（30例骨关节炎OA，30例股骨颈骨折NOF），通过对比6种ROI划分策略（全活检ROI、手动/自动缩减ROI结合是否使用自适应阈值与形态学处理），评估其对骨体积分数（BV/TV）、骨小梁分离度（Tb.Sp）、结构模型指数（SMI）等参数的影响。关键技术包括：1）自适应局部阈值区分骨与软组织；2）自动VOI（Volume of Interest）包裹算法；3）形态学操作清除碎屑。

研究结果
材料与方法验证
在8例样本的预实验中，自适应阈值结合自动ROI的方法显著提升参数检测灵敏度，BV/TV和Euler数的组间差异解析力优于传统全局阈值（p<0.05）。

大队列验证
60例样本分析显示，自动化流程成功检出OA与NOF组间BV/TV（19.3% vs 14.7%）、SMI（1.8 vs 2.3）和骨小梁模式因子（Tb.Pf）的显著差异（p<0.05），而手动法因ROI形状不规则导致统计效能不足（p>0.05）。

讨论与意义
该研究首次建立了针对手术骨活检的自动化微CT分析标准流程，解决了三大临床痛点：1）通过自适应阈值克服无皮质骨参照的阈值选择难题；2）形态学运算自动清除碎屑，避免骨小梁连续性误判；3）全自动ROI划分将单样本处理时间从数小时缩短至分钟级。尤为重要的是，该方法在低骨量样本中仍保持高精度，为骨质疏松药物临床试验等需要高通量分析的研究提供了可靠工具。研究结果发表于《Bone》，其算法可适配主流微CT平台及第三方分析软件（如Dragonfly），具有广泛推广价值。