今日动态 返回首页
会员注册 登录 生物通快讯免费订阅
  • 首页 今日动态 人才市场 新技术专栏 中国科学人 云展台
    BioHot
    • 定制我的BioHot
    • 进入我的BioHot
    • 进入我的集采
    • 肿瘤癌症研究
    • 免疫/基因/细胞疗法
    • 神经生物学
    • 健康与疾病
    • 衰老机制与长寿
    • 单细胞技术
    • 基因编辑-CRISPR
    • RNA研究
    • 肠道菌与人体微生态
    • 细胞代谢
    • AI生物信息学
    • COVID
    云讲堂直播 会展中心 特价专栏 技术快讯 免费试用

  • 生物通官微
    陪你抓住生命科技
    跳动的脉搏

生物通首页  >  今日动态  >  正文

融合双序列MRI与临床参数的可解释多模态深度学习模型用于股骨头坏死早晚期精准分期

《BMC Musculoskeletal Disorders》:A multimodal deep learning model for classifying early- versus late-stage osteonecrosis of the femoral head on biparametric MRI

【字体: 大 中 小 】 时间:2026年10月14日 来源:BMC Musculoskeletal Disorders 2.8

编辑推荐:

   摘要目的股骨头坏死(ONFH)早期与晚期的精准分期对于保髋治疗的选择至关重要,然而常规MRI判读存在观察者间差异大和客观性不足的问题。本研究旨在开发一种融合双参数MRI(STIR和T1-FSE序列)与临床参数(包括年龄、性别、受累侧(左侧、右侧或双侧)及病因)的多模态深度学习

  

摘要

目的

股骨头坏死(ONFH)早期与晚期的精准分期对于保髋治疗的选择至关重要,然而常规MRI判读存在观察者间差异大和客观性不足的问题。本研究旨在开发一种融合双参数MRI(STIR和T1-FSE序列)与临床参数(包括年龄、性别、受累侧(左侧、右侧或双侧)及病因)的多模态深度学习模型,以区分股骨头坏死的早期与晚期,并提供客观的影像学证据。

方法

本回顾性研究纳入530例股骨头坏死患者,共获得851髋的影像学数据。收集的数据包括STIR序列、T1-FSE序列以及临床信息(包括年龄、性别和病因)。数据集在患者水平上按8:2的比例随机划分为训练集(424例患者,675髋)和测试集(106例患者,176髋)。共构建七个模型:临床模型、STIR模型、T1-FSE模型、bpMRI模型、STIR-临床模型、T1-FSE-临床模型以及bpMRI-临床模型。采用早融合和晚融合策略进行多模态整合。系统比较了七个模型在区分早期与晚期股骨头坏死方面的诊断性能,特别关注其识别临床分期过渡期临界病例的能力。使用加权梯度类激活映射(Grad-CAM)评估模型的可解释性。

结果

早融合bpMRI-临床模型取得了最高的AUC值0.944(95% CI 0.905–0.973),准确率90.9%,敏感度89.0%,特异度92.9%,显著优于单序列模型(均P < 0.05)。混淆矩阵显示,该模型将10例晚期病例误判为早期,将6例早期病例误判为晚期。Grad-CAM可视化表明,模型主要关注具有临床意义的区域,包括坏死病灶边界、骨髓水肿区域以及软骨下骨结构异常区域。这些注意力模式与用于早期与晚期股骨头坏死分期的核心影像学特征高度一致。

结论

本研究提出了一种融合双序列MRI与临床参数的可解释多模态深度学习框架。该框架能够根据ARCO分期标准准确区分早期与晚期股骨头坏死,并为保髋决策中确定临界阈值提供客观依据。

试验注册

本试验已在中国临床试验注册中心注册(注册号:ChiCTR2300075354,注册日期:2023年9月1日)。

目的

股骨头坏死(ONFH)早期与晚期的精准分期对于保髋治疗的选择至关重要,然而常规MRI判读存在观察者间差异大和客观性不足的问题。本研究旨在开发一种融合双参数MRI(STIR和T1-FSE序列)与临床参数(包括年龄、性别、受累侧(左侧、右侧或双侧)及病因)的多模态深度学习模型,以区分股骨头坏死的早期与晚期,并提供客观的影像学证据。

方法

本回顾性研究纳入530例股骨头坏死患者,共获得851髋的影像学数据。收集的数据包括STIR序列、T1-FSE序列以及临床信息(包括年龄、性别和病因)。数据集在患者水平上按8:2的比例随机划分为训练集(424例患者,675髋)和测试集(106例患者,176髋)。共构建七个模型:临床模型、STIR模型、T1-FSE模型、bpMRI模型、STIR-临床模型、T1-FSE-临床模型以及bpMRI-临床模型。采用早融合和晚融合策略进行多模态整合。系统比较了七个模型在区分早期与晚期股骨头坏死方面的诊断性能,特别关注其识别临床分期过渡期临界病例的能力。使用加权梯度类激活映射(Grad-CAM)评估模型的可解释性。

结果

早融合bpMRI-临床模型取得了最高的AUC值0.944(95% CI 0.905–0.973),准确率90.9%,敏感度89.0%,特异度92.9%,显著优于单序列模型(均P < 0.05)。混淆矩阵显示,该模型将10例晚期病例误判为早期,将6例早期病例误判为晚期。Grad-CAM可视化表明,模型主要关注具有临床意义的区域,包括坏死病灶边界、骨髓水肿区域以及软骨下骨结构异常区域。这些注意力模式与用于早期与晚期股骨头坏死分期的核心影像学特征高度一致。

结论

本研究提出了一种融合双序列MRI与临床参数的可解释多模态深度学习框架。该框架能够根据ARCO分期标准准确区分早期与晚期股骨头坏死,并为保髋决策中确定临界阈值提供客观依据。

试验注册

本试验已在中国临床试验注册中心注册(注册号:ChiCTR2300075354,注册日期:2023年9月1日)。

相关新闻
生物通微信公众号
生物通新浪微博
微信
新浪微博
我要投稿
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热搜:股骨头坏死|深度学习|多模态MRI|分期诊断|保髋治疗|可解释性

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号