面向多中心骨质疏松性椎体骨折预测的可解释源感知骨-肌融合框架

《Journal of Imaging Informatics in Medicine》:Interpretable Source-Aware Bone–Muscle Fusion Framework for Multicenter Prediction of Osteoporotic Vertebral Fractures

【字体: 大 中 小 】 时间:2026年10月15日 来源:Journal of Imaging Informatics in Medicine 3.1

编辑推荐:

   ## 摘要 骨质疏松性椎体骨折(OVF)的诊断不足,且仅凭骨密度(BMD)可能不足以进行预测。我们开发了骨质疏松性椎体骨折多源融合模型(MSF-OVF),这是一个可解释的源感知框架,整合了临床人口学变量、骨密度以及腰椎磁共振成像(MRI)获取的背侧和腹侧椎旁肌(PM)表征。

  ## 摘要骨质疏松性椎体骨折(OVF)的诊断不足,且仅凭骨密度(BMD)可能不足以进行预测。我们开发了骨质疏松性椎体骨折多源融合模型(MSF-OVF),这是一个可解释的源感知框架,整合了临床人口学变量、骨密度以及腰椎磁共振成像(MRI)获取的背侧和腹侧椎旁肌(PM)表征。本项回顾性多中心研究纳入了来自五个中心的2680名年龄>40岁的参与者(一个训练组、一个内部验证组、四个外部测试队列)。采用视觉基础模型引导的迁移学习从四个椎旁肌区域提取深度特征,并通过源感知潜在融合将其与年龄、性别、身体质量指数和骨密度进行整合。采用受试者工作特征曲线下面积(AUC)、净重新分类改进指数(NRI)、校准性和可解释性分析来评估模型性能。MSF-OVF在内部验证中AUC为0.881(95% CI, 0.854–0.909),在四个外部队列中AUC为0.851–0.917。与临床人口学和骨密度基线模型相比,MSF-OVF的AUC提高了0.046–0.093,并在内部验证和大多数外部队列中显著优于基线模型(DeLong P ≤ 0.034)。所有验证队列的连续NRI为0.268–1.034(P ≤ 0.011)。MSF-OVF还优于单肌肉模型(AUC, 0.454–0.736;P ≤ 0.009)。经训练集导出的逻辑回归重新校准后,内部验证的Brier分数为0.140,总体校准截距(CITL)为?0.168,校准斜率为0.926。类激活图主要突出了椎旁肌区域。自动分割仅需数秒,每名参与者的推理时间为57.71 ± 18.66毫秒。临床人口学、骨密度和椎旁肌MRI信息的源感知融合可能有助于支持计算机辅助的多中心OVF预测。### 图文摘要
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

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