SlicerAutoscoperM 在多平面视频放射成像数据中骨骼结构追踪的准确性评估及其在肌肉骨骼研究中的应用价值

本研究针对图像骨骼运动追踪软件缺乏标准化、易用性差的问题，开发了开源工具SlicerAutoscoperM （SAM）。通过四组研究团队对足、膝、肩、腕关节的追踪测试，证实其旋转误差≤1.9°、平移误差≤0.8?mm，显著提升了生物力学研究的可重复性与多中心协作效率。

　　

肌肉骨骼疾病影响着全球数亿人，每年造成近万亿美元的经济负担。精确量化关节运动学(kinematics)对理解病理机制、优化假体设计和康复方案至关重要。然而，当前图像骨骼追踪领域面临核心困境：商业软件DSX Suite^TM
停止开发，主流开源工具Autoscoper缺乏维护，各实验室被迫重复开发定制方案，严重阻碍研究标准化进程。

为解决这一技术瓶颈，由美国国家关节炎和肌肉骨骼及皮肤疾病研究所资助，多个学术机构与Kitware公司合作开发了SlicerAutoscoper^M
（SAM）。这项研究通过四项关键实验验证了其性能：使用含标记的金标准数据集，对比分析SAM在足踝（距骨、跟骨、骰骨）、膝（股骨、胫骨）、肩（肱骨、肩胛骨）和腕关节的追踪精度。所有数据通过Bland-Altman法评估偏差(bias)和一致性界限(LOA)。

关键技术包括：1）基于BVR系统的多平面动态成像；2）标记/无标记双模态验证（含尸体标本和活体）；3）3DSlicer平台集成化预处理模块；4）跨中心标准化工作流程。样本来源于四个研究中心的历史实验数据集。

【Accuracy】
足踝追踪显示平移偏差<0.8?mm（LOA<3.1?mm），旋转偏差<0.5°（LOA<1.8°）；膝关节旋转误差<1.0°（LOA<1.5°），平移精度达0.4?mm（LOA<0.8?mm）；肩部肱骨Roll/Pitch轴误差较高（1.9°/1.7°），但肩胛骨旋转偏差<0.2°；腕关节表现最优（误差<0.05°和0.5?mm）。

【Discussion】
研究证实SAM在保持Autoscoper核心算法优势的同时，通过3DSlicer生态实现了三大突破：1）建立标准化预处理流程，解决实验室间方法异质性；2）误差控制在临床可接受范围（<2°和1.2?mm）；3）开源架构降低研究门槛。特别值得注意的是，其对肩胛骨微小运动的捕捉能力（误差0.2°）为肩峰撞击综合征等疾病研究提供了新工具。

该研究的创新性体现在：首次系统评估多关节追踪性能参数，填补了开源工具准确性验证的空白；通过模块化设计支持未来扩展（如4DCT/MRI整合）；其视频教程和用户论坛构建了可持续的开发者-用户生态。这些进展将加速肌肉骨骼生物力学研究从实验室向临床的转化，尤其有助于大规模多中心研究的数据可比性提升。