基于深度学习的儿童远端前臂骨折超声图像自动对齐诊断方法

为解决儿童远端前臂骨折诊断中X射线辐射暴露问题，德国国家肿瘤中心等团队开发了全自动POCUS（床旁超声）图像对齐流程。通过nnUnet分割骨骼边界并提取解剖标志点，结合优化约束（Ca、Co、Cp）实现图像对齐，结果显示对齐误差仅2.66 mm，骨折分类准确率达76%，角度测量误差较X射线仅高2.2°，为无辐射诊断提供了新方案。

　　

儿童远端前臂骨折是0-15岁患儿最常见的骨折类型，占所有骨折的29%。目前X射线仍是诊断金标准，但其辐射暴露和患儿体位疼痛问题亟待解决。床旁超声（POCUS）虽无辐射且操作便捷，但传统方法需手动对齐背侧（dorsal）和掌侧（palmar）图像，耗时长且依赖经验。德国国家肿瘤中心、德累斯顿工业大学医院等机构的研究团队在《International Journal of Computer Assisted Radiology and Surgery》发表研究，首次提出全自动POCUS图像对齐流程，通过深度学习与优化算法结合，实现了与X射线相当的诊断精度。

研究采用三阶段技术路线：1）基于nnUnet的骨骼边界分割，从20名患儿（含健康/骨折病例）的40幅图像中提取特征点（L_p、L_d0、L_d1）；2）构建优化目标函数E(L^f, L^m,T)，整合横向对齐约束（C_a）、纵向平行约束（C_o）和骨宽匹配约束（C_p）；3）通过梯度下降算法（10,000次迭代）完成图像配准。

Alignment experiment
将10组对齐后的POCUS图像与X射线参考图像对比，Hausdorff距离和Chamfer距离误差分别为2.66 mm和1.05 mm，超声分割边界与X射线轮廓高度吻合。

Morphology experiment
11例患儿双模态数据测试显示：3名医师使用对齐POCUS的骨折分类平均准确率76%（X射线为97%），其中专家组（参与者1&2）达82%；角度测量平均绝对误差（MAE）为4.4°（X射线为2.8°），Pearson相关性分析显示骨折程度与误差无显著关联（r=0.18）。

研究证实，该流程可替代X射线完成骨折分类和角度测量，但存在超声噪声敏感、成像平面偏差等局限。未来将通过扩大数据集（当前仅20例）提升鲁棒性。该成果为建立无辐射儿童骨折诊断路径提供了关键技术支撑，临床反馈显示74%的对齐结果已满足诊断需求。