基于三维卷积神经网络的常规CT椎体表观骨丢失体素级预测

《Journal of Imaging》：Voxel-Level Forecasting of Apparent Vertebral Bone Loss from Routine CT Using a 3D Convolutional Neural Network

　　

现有计算机断层扫描（CT）骨折风险模型通常为每个椎体输出单一标量评分，而不对预测变化进行定位。本研究构建并内部验证了一个三维（3D）卷积网络，从一次基线采集预测每个腰椎的逐体素表观扫描间骨掩膜丢失图。来自65例患者的配对CT研究产生298个基线未骨折椎体图像块（L1至L5）；每位患者至少发生一次由阅片者裁定的新发骨折，因此该队列为结局富集队列。终点为自动掩膜刚性对齐后扫描间表观椎体掩膜丢失。在五折患者分组交叉验证与聚类自助法区间下，将带有椎体级条件化的多任务3D残差U-Net与基于相同特征和折的梯度提升分类器进行比较。汇总精确率-召回率面积为0.445，参考模型为0.439（95%置信区间至），汇总曲线下面积（AUC）为0.815。在匹配预测体积下，网络图碎片化程度更低（每1000体素2.3 vs. 5.3个连通分量），且该终点可区分新发骨折（AUC 0.865）。在常规CT上进行扫描间椎体表观变化的体素级预测是可行的；其贡献在于配对扫描预测框架和空间轮廓差异，而非更优的判别能力。该终点为算法替代指标，临床使用前需体素级专家裁定和外部验证。

骨质疏松性椎体骨折是最常见的骨质疏松性骨折，且起病时多为临床沉默。发生过一次椎体骨折的患者再次骨折风险显著升高，因此早期识别高危椎体具有临床意义。因非脊柱指征而行的常规临床计算机断层扫描（CT）可附带提供定量骨信息，不增加额外费用或辐射剂量。主流预测范式为密度测量学和影像组学，通常为每患者或每椎体输出单一标量，包括自动体积骨密度、纹理特征以及骨、纹理和肌肉的定量CT测量。卷积网络已从以椎体或脊柱为中心的CT以及髋部CT重建X线片预测患者级风险；影像组学列线图已建立于胸部CT之上。近期工作探索了骨小梁表型的无监督栖息地聚类作为替代方案。两篇近期综述描述了该领域现状。骨的空间分辨分析本身在预测场景之外已相当成熟：皮质骨映射在临床CT上测量并统计比较局部皮质厚度，厚度图已识别近端股骨骨折易发区域的局灶性骨质疏松，基于体素的统计参数映射已定位股骨内骨折关键区域。这些技术映射骨的当前状态或其与骨折的横断面关联，但均不预测个体骨未来预期变化的位置；据研究人员所知，尚无在常规CT上对椎体未来变化进行逐体素预测的报道。几乎所有已报道的网络均为每患者或每椎体输出单一数值。椎体内模型预期骨变化发生位置的问题尚未被直接回答，因为该分辨率的标签很少可得。然而，体素级定位的临床相关性与标量评分的相关性不同：逐体素风险图指示哪个椎体的哪部分预期发生变化，允许与基线图像进行视觉一致性核对、审核空间连贯性（前部vs.中部vs.后部、上终板vs.下终板），并识别用于靶向随访成像或进一步临床评估的椎体。在两个时间点获取的配对CT研究提供了标签结构，经逐椎体刚性对齐后，通过自动体掩膜的体素级不一致产生密集二值目标；监督式利用时间配对观察预测未来状态在时间序列和预测工作中具有一般算法基础，早于本成像应用。所得终点本质上是算法性的，因为标签和预测均源自自动分割；尽管如此，它是扫描间组织重分布的连贯替代指标，可在体素粒度上映射、校准和审核。本工作的主要贡献是构建并内部验证一个三维卷积架构，仅给定基线CT采集，即可为每个腰椎产生逐体素表观扫描间体掩膜丢失的密集概率图。据研究人员所知，尚无已发表的常规CT椎体骨折预测系统报道此类逐体素预测；现有系统为每患者或每椎体输出单一标量。体素级监督开辟了新的方法学空间：可报告定位、可审核解剖一致性，决策阈值可按折调整而非施加单一全局截断。为在小队列上将体素级预测的判别力锚定于透明参考，研究人员在相同折分配下训练了一个具有相同仅基线特征的手工梯度提升分类器，并在患者聚类配对自助法下报告比较；这防止在小样本上过度声称架构优势，符合Vabalas等关于小临床队列机器学习验证的警示性发现。因此本研究目的为二重：（i）开发并内部验证一个三维卷积网络，从单次基线CT采集为每个腰椎产生逐体素表观扫描间骨掩膜丢失的密集概率图；（ii）通过在相同患者分组交叉验证下将其判别力、空间特征和校准锚定于梯度提升逐体素比较器和仅几何基线，量化该体素级输出相对于透明参考的增量。

研究人员开展了以下研究：来自单一三级转诊中心的65例个体各有两次CT研究。所有成像均为因与骨质疏松筛查无关的指征而行的常规临床CT，因此采集环境为机会性场景。34例患者两次研究均为常规临床腰椎采集；31例患者基线研究为因非脊柱指征行的常规临床腹部采集，随访研究为常规临床腰椎检查。研究在队列纳入时选择平扫（非增强）采集；由于原始采集标签在去标识化过程中未保留，对比剂状态无法回顾性再验证。队列跨多个扫描仪和多个采集期组装，反映常规临床异质性而非受控成像协议。机构伦理审查委员会批准了该回顾性研究并豁免了去标识化数据分析的知情同意。分析单位为个体椎体，L1至L5。新发骨折标签由两名独立阅片者建立，对成像分析设盲：一名委员会认证的诊断放射科医师和一名诊断放射科住院医师。两名阅片者结合随访图像和随访研究的完整放射学报告，根据Genant半定量分级系统对每个椎体分类：若随访成像分级为Genant 1级（轻度）或以上且基线未分类为骨折，则标记为发生新发骨折。该裁定基于图像本身而非仅报告自由文本。自动椎体掩膜另由两名阅片者在随机子集上抽查以确认解剖正确性。本队列每位患者两次研究间至少发生一次新发椎体骨折，因此下文报告的每椎体事件率反映结局富集样本而非未选择筛查人群中的预期发生率。基线骨折椎体被先验排除，留下65例患者的298个图像块；157个图像块在同协议亚组，141个在跨成像协议亚组。基线与随访间隔范围为1.15至15.69年（中位数7.44）。对于每个椎体，基线体掩膜内每个体素的二值终点定义为：基线体滤波椎体掩膜与对应随访掩膜经变换到基线坐标系的体素级不一致。因此终点是逐椎体刚性对齐后扫描间骨掩膜丢失的算法衍生近似；它不代表专家裁定的骨吸收。全程基线体掩膜内逐体素阳性患病率为0.157，亚组患病率为0.144（同协议）和0.172（跨成像协议）。椎体体分割使用TotalSegmentator从每个基线和随访体积获得，其基于自配置nnU-Net架构。随访研究使用完整TotalSegmentator椎体掩膜逐椎体刚性对齐到基线：对每个层面，初始平移使两掩膜质心重合，随后刚性细化在25 mm填充感兴趣区内最小化两掩膜符号Maurer距离变换的均方距离，若细化降低掩膜重叠则回退到仅质心对齐。然后随访体积和掩膜重采样到基线网格，并在每个掩膜中分别通过保留沿前后轴该椎体范围的前45%将椎体体与后部元件分离。刚性范围是刻意设计选择：可变形配准会吸收模型被要求定位的楔形或双凹压缩。基线掩膜与体滤波后变换随访掩膜的平均重叠为0.77（中位数0.82，第10百分位0.56）。图像块仅围绕基线体掩膜裁剪（随访掩膜不用于裁剪边界，以防止任何未来帧信息进入输入），填充15 mm，重采样到1.25 mm各向同性间距的规范96×96×96体素网格，通过裁剪到Hounsfield单位后线性缩放归一化。输入通路中的基线体掩膜同样排除任何随访衍生体素。架构为三维残差U-Net，四个编码阶段宽度为16、32、64和128通道，瓶颈处有挤压-激励块，四个对称解码阶段带跳跃连接，三个任务特定输出头；残差连接、挤压-激励和FiLM条件化构建块遵循其原始来源。椎体层面编码为学习到的32维嵌入，并通过特征级线性调制传播到每个残差块。模型输入完全由基线体积构建：基线CT通道连同八个基线衍生几何和纹理通道（基线体掩膜；到体表面的有符号距离裁剪到体素并重缩放；沿上下轴到最近终板的归一化距离；沿前后、上下和左右轴的三个归一化体相对坐标图；椎体层面广播为标量；以及从基线体积计算的邻域平均Hounsfield图）。随访扫描及其衍生掩膜从不进入输入通路；它们仅用于构建监督目标和计算配准衍生标签质量权重。三个输出头附加到网络：主要体素级头为单卷积层产生每体素logit，经sigmoid后给出表观骨掩膜丢失的预测概率；次要体素级头产生从变换随访掩膜衍生的裁剪有符号距离目标的连续回归；标量辅助头池化编码器瓶颈并预测五个每椎体变形摘要（前部、中部和后部高度丢失分数，扫描间前后楔形比变化，以及总体分数高度丢失）。所有体素级损失仅在基线体掩膜内评估；标量头对每椎体标签使用Huber回归。患者使用分层分组拆分分为五个不相交交叉验证折，保持患者所有椎体在同一折并平衡两次研究间至少一个椎体显示可测量自动高度丢失的患者比例（仅用于平衡折的结局衍生分层变量；65例中28例）。相同折分配随机状态42用于所有配置和种子；梯度提升比较器直接从保存的网络折外预测继承该折图以保证两个模型家族间相同折分区。由于给定随机状态产生的分区取决于scikit-learn版本，患者到折分配作为补充表S1提供作为拆分的权威记录，本文报告的每个配置对每个种子共享该分配；内部早停拆分以训练种子加外部折索引为种子，其患者成员未保留。在每个外部训练折内，内部四折分层患者分组分区（75/25，即39例拟合和13例验证患者）的首次拆分用于监测验证Dice以早停。损失项权重在最终训练运行前固定，未在部署配置内调整；基于动态不确定性的三头加权是已知替代方案，留待未来工作。更一般地，未进行系统超参数优化：嵌套搜索将倍增计算成本，且在65例患者下将承载搜索本身过拟合的实质风险，因此内部验证拆分上选择的早停轮次是配置内唯一自适应选择的训练量。然而，部署配置是在开发期间相同患者分组交叉验证下评估的九个早期候选配置（架构、输入通道、损失和目标变体）中选择的，因此报告的内部验证性能携带该比较的选择乐观性。学习率与AdamW和余弦退火是从头训练三维U-Net的常规设置，未超出所述扫描调整。为经验而非论证测试该选择，进行了事后单旋钮敏感性扫描：部署配置的七个单种子变体，每个仅差一个超参数（学习率减半和加倍；批大小6，因8超出可用GPU内存；Dice权重1.0；有符号距离权重1.0和0.25；辅助权重0.5），在相同折下训练并与相同种子的部署配置通过配对患者聚类自助法比较；结果报告于第3.11节。每个配置训练三个独立种子（42、43、44）；其逐体素sigmoid输出在推断时平均以形成可部署集成，遵循最近显示可在小队列医学成像分类任务中稳定每例概率估计的神经网络集成设计。每样本损失由扫描间标签质量权重缩放，该权重源自配准后掩膜一致性（基线和配准随访体掩膜的对称体积一致性，连同随访高度合理性检查）；配准后一致性低的图像块因此对优化器贡献较少。比较器为梯度提升分类器（LightGBM，200棵树，最大深度6，学习率0.05），训练于基线体掩膜内计算的八个逐体素手工特征：体素处Hounsfield单位；到体表面的有符号距离；到最近终板的有符号距离；边界框内归一化前后、上下和左右坐标；椎体层面索引；以及邻域平均Hounsfield单位。比较器因此以表格形式访问与卷积网络相同的仅基线几何和纹理输入。五折患者分组拆分从保存的网络折外预测逐字继承，使比较器和网络对每位患者和图像块在相同留出折上评估。为防止大图像块主导训练，每图像块均匀采样1000个体素；评估时对留出图像块基线体掩膜内每个体素计算预测。主要终点为网络集成在相同折分区下相对于梯度提升比较器的汇总体素级精确率-召回曲线下面积（PR-AUC）。关键次要终点为受试者工作特征曲线下面积（AUC）、折诚实阈值下每图像块Dice和Brier分数，均报告患者聚类配对自助法差异。所有置信区间为对患者标识符的95%患者聚类非参数自助法（汇总模型比较、其亚组分析和粗略消融为1000次迭代，其他分析为2000次），每次迭代在重采样患者图像块并集上重新计算指标。网络集成与比较器间配对差异每迭代使用相同重采样患者集。作为敏感性检查，每个体素汇总指标也报告其每患者类比（患者宏观）：指标先在每位患者图像块堆栈内计算，再跨患者平均（跳过无两类患者），并在这些每患者值上重复患者聚类配对自助法。体素汇总估计量对掩膜较大患者赋予比例更多权重；患者宏观估计量对每位患者等权；报告两者防止结论为任一加权的人为产物。评估时未基于配准质量排除或降权任何图像块：所有298个图像块进入全队列指标，标签质量权重仅在训练时作用。每图像块Dice在折诚实决策阈值下通过以下计算：对每个留出折，在其余四折上扫描0.05至0.95步长0.05选择使这些折平均每图像块Dice最大化的操作阈值，然后应用于留出折；相同程序分别应用于网络集成和比较器。按成像协议成员（同协议或跨成像协议）的亚组分析预先指定。PR-AUC在部署配置评估前指定为单一主要终点，无多重性校正；本研究未预注册。AUC和Dice为关键次要终点，消融和患者宏观分析解释为敏感性而非确证性检验。Brier分数仅作为校准描述符报告。

结果方面：65例患者队列71%为女性，基线与随访间隔中位数7.44年（范围1.15至15.69）。排除基线骨折椎体后，298个椎体图像块可用于分析：157个在同协议亚组，141个在跨成像协议亚组。基线体掩膜内逐体素表观丢失患病率全队列为0.157，同协议亚组0.144，跨成像协议亚组0.172。三个成像队列的采集几何差异显著：34例腰椎基线研究的平面内像素间距为0.33 mm，31例腹部基线研究为0.76 mm，65例腰椎随访研究为0.33 mm；中位穿平面体素间距分别为1.25 mm、1.25 mm和0.70 mm，每个图像块从其原生网格重采样到1.25 mm各向同性图像块网格。常规临床腰椎与腹部采集间约2.5倍的平面内分辨率差异是下文报告的跨成像协议性能差距的合理贡献因素：跨成像协议配对将较低分辨率基线图像输入网络，尽管所有图像块在训练和推断前重采样到相同规范96×96×96网格。两个模型家族接收相同重采样图像块，因此亚组内模型间差异不是输入分辨率差异，尽管两个模型家族可能对这些输入的较低原生分辨率反应不同。在跨成像协议亚组内未检测到折诚实阈值下每图像块Dice与原生基线像素间距的单调关联，同协议亚组内关联较弱。原始DICOM采集标签（制造商、扫描仪型号、重建核、管电压、对比剂状态）在去标识化流程中未保留，无法报告。比较器八个特征的单变量判别在协议亚组间差异至多0.04，因此协议差距不能仅由分辨率依赖的强度特征解释；协议、分辨率和扫描仪在本队列中混杂，因此未做分辨率的因果归因。逐椎体刚性对齐质量在298图像块队列上给出配准后体掩膜平均重叠0.77（中位数0.82，第10百分位0.56）。配准质量与终点强相关，但两量由相同掩膜计算且数学耦合，因此该相关本身不携带标签有效性证据。信息性观察是跨其的临床梯度： documented新发骨折椎体比例从最佳重叠四分位的8%升至最差四分位的73%，与实质真实形态成分一致，因为真正塌陷的椎体无法刚性良好对齐；配准误差的残余份额无法从流程内量化。排除最差重叠四分位或最差十分位未改变模型比较，代价是骨折椎体耗尽的病例组合。作为直接敏感性分析，每个图像块在刚性对齐上以固定、中等、单分辨率快速对称力Demons细化重新配准：它异质地改变终点（吸收分数四分位范围1%至33%；298个图像块中58个表观丢失增加），平均吸收18%，在观察丢失最高四分位为13.7%，骨折与稳定椎体间未检测到差异。因此在该配置下细化未吸收终点主体，尽管吸收分数必然配置依赖；相反，掩膜驱动可变形配准将按构造归零终点，这就是对齐范围刻意刚性的原因。针对细化标签本身评分，两个冻结模型保留大部分判别力：网络汇总AUC 0.800，比较器0.804，配对差异对刚性标签下0.815和0.812，汇总精确率-召回面积0.382和0.390对0.445和0.439；操作阈值下预测阳性体素集保留终点召回（网络两标签下0.62，比较器0.61和0.62）而精确率下降。模型在基线体掩膜内每个体素处的输出是该体素将不位于变换随访体掩膜内的预测概率。从此图，通过去除预测丢失概率超过操作阈值的体素获得预测未来体掩膜。网络预测的每图像块Dice与观察未来掩膜追踪真实变化幅度。部署卷积集成产生密集逐体素表观扫描间体掩膜丢失概率图，患者宏观AUC 0.846（95%患者聚类自助区间0.831至0.859），患者宏观精确率-召回面积0.470（0.433至0.507），折诚实决策阈值下每图像块Dice 0.452（0.428至0.479）。汇总体素级类比为AUC 0.815、精确率-召回面积0.445和Dice 0.452；相对于体素患病率0.157，汇总精确率-召回面积对应患病率匹配随机排序的2.8倍富集；因为该患病率反映结局富集队列，该比率表征本样本内性能而非筛查患病率下可达到的精确率。图空间连贯：在随后经历实质扫描间体掩膜丢失的椎体内，预测风险集中于椎体前部和上部，即楔形或双凹压缩形态学表现的区域，而在稳定椎体中保持低且广泛弥散。为在小队列上将体素级数字锚定于透明基线，手工梯度提升分类器在相同仅基线特征上于相同折分配下评估，两者配对差异由患者聚类自助法估计。所有三个指定判别/重叠差异的95%区间包括零：汇总AUC、汇总精确率-召回面积、每图像块Dice；患者宏观类比同样非显著。因此参考未反驳网络的体素级性能；未检测到差异仅报告为非显著比较。参考保留显著更低的Brier分数（0.108 vs. 0.171，配对差异 favoring参考），表明网络产生更锐利但校准较差的概率输出。为量化多少体素级判别归因于纯几何，无学习固定几何规则在相同聚类自助法下作为体素评分评估。最强几何先验，到体表面的负符号距离，单独达到汇总AUC 0.753；固定两体素表面带达到0.702。学习模型在最佳几何仅评分上增加增量：卷积集成在汇总AUC上超过表面距离评分0.061（未调整患者聚类自助95%对比区间至），在汇总精确率-召回面积上超过（0.445 vs. 0.323，主要终点指标38%相对增益；患者聚类95%对比区间至）。相同直接对比在患者宏观估计量上成立但在操作点不成立：针对先验的折诚实表面带（单体素壳，每折选择；平均每图像块Dice 0.440），网络的Dice优势为且比较器为，因此在固定操作点学习图仅比固定壳边际更好重叠丢失集，先验增益在于体素排序而非阈值化集；该对比量化相对于固定先验的改进，而非卷积架构本身的贡献，因为学习模型也在输入和拟合上不同于先验。在先验携带很少或无判别处，学习模型仍判别：两个模型在到表面欧氏距离带内的汇总AUC，先验自身评分0.47至0.56，而网络在深达五体素的四带中为0.68至0.75，第一带持有55%所有丢失体素在患病率0.378。两个学习图以不同方式偏离先验：与先验评分（负表面距离）的体素级秩相关网络为0.76，比较器为0.78，操作阈值下预测阳性集与先验壳重叠平均每图像块Dice网络0.61，比较器0.75（两个学习集间0.76），网络预测的89%体素位于表面两体素内，比较器92%，观察丢失88%（每图像块均值）。值得注意的是，单独归一化前部坐标接近机会水平（0.526），因此下文报告的预测风险前部集中不能由固定前部几何先验本身重现。作为解剖弱对照，体内左右坐标（0.508）和到体边界框中线绝对侧向距离（0.537）接近机会。梯度提升比较器也发出逐体素图，因此体素粒度本身不区分网络；两图特征不同。在折诚实操作阈值下，两模型预测基本相同的体素体积（预测体积比1.0），使以下比较预算匹配。网络图碎片化程度显著更低：每1000预测体素2.25 vs. 5.27个26连通分量（配对差异，95%区间至），表面体素分数更低（0.843 vs. 0.910），主要定义下分量级精确率更高（至少5体素分量：患者聚类0.938 vs. 0.835）；在图像块级敏感性网格中该优势在5体素定义下为并在更大最小尺寸时衰减（10体素，20体素），主要由比较器的许多小非重叠分量承载。比较器相反在每个定义下获得更高分量召回（主要定义0.974 vs. 0.832），通过在大多数表面分布薄碎片化壳，通常为单分量（最大分量分数0.961 vs. 0.737）。网络轮廓有利于紧凑、视觉可审核定位，而比较器轮廓有利于分量召回；本研究未确立任一轮廓的临床优越性。算法终点锚定于两名阅片者从随访图像裁定的新发骨折标签，其独立于分割流程建立（298个椎体中111个阳性）。观察每椎体丢失分数以AUC 0.865（95%患者聚类CI 0.810至0.920）分离骨折与非骨折椎体：掩膜丢失终点因此显示相对于阅片者裁定临床标签的强收敛效度，而非仅反映分割不一致。它也与从两掩膜前、中、后高度计算的自动高度丢失指数相关并按常规20%、25%和40% Genant阈值分箱（Spearman，患者聚类95% CI 0.42至0.58）；该指数由流程计算而非放射科医师分配的Genant分级，因此与终点共享掩膜，仅证实两量的内部形态测量一致性，而非其临床有效性。从预测图蒸馏的每椎体标量（操作阈值下预测丢失分数）以0.654（0.596至0.711）分离相同临床标签，训练期间无任何骨折监督，数值上高于类比比较器标量（0.611，0.549至0.674；配对患者聚类差异，95%区间至，不显著）。按该标签分层配对模型比较，事后探索性拆分，反转其符号：在187个无新发骨折椎体内，比较器更好（汇总AUC 0.805 vs. 0.794；精确率-召回面积0.337 vs. 0.293），而在111个骨折椎体内，网络更好（0.840 vs. 0.828；0.650 vs. 0.607）。为表征跨分割工具代际的一致性，同一工具的早期代（TotalSegmentator版本1，在单独环境以快速模式运行）分割了130个队列体积中的128个；两个体积在快速和全分辨率模式均可重现失败并排除。在两代均检测到椎体处，其掩膜在世界空间紧密一致：中位每椎体Dice 0.881（四分位范围0.860至0.893；第10百分位0.816；520个可评估椎体-体积对），中位相对体积差2.2%，随访腰椎研究一致性保持（中位Dice 0.868）。早期代在快速模式未检测120个椎体实例，均在随访腰椎研究，因此该比较表征跨分割代际的掩膜形状一致性以检测为条件，而非检测敏感性本身；同一工具两代间一致性不能界定两者共享误差。从版本1掩膜重建终点分离两个尺度。早期代为298个评估图像块中的286个产生掩膜，但在106个中其随访掩膜与版本2掩膜显示低一致性（Dice低于0.5），另24个中等一致性（0.5至0.8）。在所有286个图像块上，版本1标签仅以0.60分离新发骨折，该值包括106个低一致性图像块，因此以下比较限制于156个图像块（38例患者；新发骨折率38%，如队列），其中两代在随访椎体上一致，且本身不确立全队列稳健性。在这些图像块上，终点在椎体尺度可重现：两版本每椎体丢失分数以Spearman相关，版本1丢失分数以AUC 0.82（95% CI 0.73至0.89）分离新发骨折，版本2在相同椎体上为0.86，两个冻结模型以类似方式判别版本1标签与版本2标签（网络0.832 vs. 0.838，比较器0.823 vs. 0.827；配对对比在版本1标签下对版本2标签下），无论版本1随访掩膜的哪种对齐。在单个体素尺度，两标签不同：46%的版本2丢失体素在版本1下精确为丢失体素，76%位于版本1丢失体素一体素邻域内，89%在两体素内，反向份额74%和89%，因此不一致主要是围绕区域一致模式的1至2体素边界位移。两代每椎体丢失分数的单测绝对一致性组内相关在156个一致图像块上为0.80：在两向随机效应模型下，这些图像块上约20%的每椎体方差不由两代共享，归因于其不一致和残余误差而非椎体间差异（包括24个中等一致性图像块时为33%）。这描述两个相关分割流程间一致性，而非相对于参考的误差，且为分割代际代理，无第二人类观察者分割椎体。在所有286个图像块上，组内相关降至0.10，由106个早期代对齐随访掩膜与部署掩膜一致性差（Dice低于0.5）的图像块驱动，为轮廓或对齐失败而非方差成分。两个模型在部署标签下在每个一致性带保留判别力，在两个分割器均称基线骨的体素内评估，因此其性能不限于两代一致的图像块：针对版本2标签，网络在106个低一致性图像块判别0.806（95% CI 0.767至0.850），24个中等图像块0.745（0.653至0.870），156个一致图像块0.838（0.815至0.859）（比较器0.808、0.738和0.827），针对共识标签，仅在两代均丢失时计体素为丢失且在所有286个图像块上评估不按一致性分层，达到0.831（0.803至0.858；比较器0.823，配对差异，95%区间至）。共识标签仍源自分割；仅上述阅片者裁定骨折标签独立于两个分割模型。在同协议亚组内，汇总体素级AUC网络为0.830，比较器0.824（配对差异，95%区间至），跨成像协议亚组内为0.801 vs. 0.801（，95%区间至）。两个亚组内所有配对判别和Dice差异的95%区间包括零，一个例外：跨成像协议亚组内折诚实阈值下每图像块Dice网络低于比较器（，95%区间至），边际差异其区间上界位于零。网络Brier缺陷在两个亚组均显著。未检测到平均每图像块对比与患者掩膜体积关联，因此未发现体积加权解释两估计量一致的证据。同协议与跨成像协议图像块间约0.03 AUC单位的协议差距与腹部基线采集较低平面内分辨率（中位0.77 mm vs. 腰椎基线0.31 mm）和跨成像协议亚组较高逐体素阳性患病率一致；相同差距存在于比较器。终点本身的空间分布澄清两个潜在标签侧混杂。终点主要为表面后退过程：同协议亚组所有观察丢失体素的77%，跨成像协议亚组75%，位于基线体表面两体素内（两个亚组相对于总体患病率富集1.8倍）。近相同壳份额显示终点组成无显著亚组差异，尽管不能排除分辨率相关膨胀同时作用于表面和总表观丢失。沿前后轴，最前十分位携带薄强富集唇（相对风险2.05在2%掩膜体积上，约所有丢失体素的4%），解剖上与前方楔形受累一致；最后十分位毗邻45%切割平面，显示中等富集（相对风险1.37在9.7%掩膜上，约所有丢失体素的13%），研究人员在局限性中承认部分后边界信号可能与切割相关。观察丢失分数不随扫描间间隔缩放（Spearman，患者聚类95% CI至；患者水平；终点患病率0.182、0.143和0.156跨间隔三分位中位数3.5、7.6和11.7年）。这不意味着这些患者椎体在长达15年间未变化，这在每位患者发生椎体骨折的老化队列中不合理。而意味着终点幅度不与经过时间成比例，原因是终点测量什么：分割体轮廓的后退，即形状变化。渐进性去矿化降低骨密度数年而椎体轮廓基本不变，而压缩事件突然改变形状；基于形状的终点因此预期更多响应离散结构事件而非其间累积的密度渐失，压缩事件可在随访窗口内任何点发生。与经过时间无单调关联与此解读相容，但设计不能确立它，分割或配准效应仍是替代贡献因素。该解读支持但不本身确立预测图的无地平线解释，且为解释而非证明机制。模型判别在较长间隔若有什么则略好（每图像块AUC vs. 间隔；三分位均值0.853、0.868和0.876）；此描述性关联报告无显著性检验，因为一位患者椎体共享单一间隔且非独立观察。设计选择另经正面测试：显式间隔感知风险公式，其中体素概率为网络预测率，在相同折下作为单独三种子集成训练，表现显著差于无地平线公式（汇总AUC 0.719 vs. 0.815；部署减风险，95% CI至；汇总精确率-召回面积0.329 vs. 0.445），两协议亚组一致。大部分缺陷源于强制时间缩放而非较弱体素排序：在间隔三分位内风险集成落后部署模型0.010、0.021和0.026，对汇总缺陷0.095，因其平均预测概率随间隔上升（0.24、0.44和0.59跨三分位）而患病率不上升（0.18、0.14和0.16），因此合并不同间隔患者降低排序至0.719。无地平线公式因此保留：在此内部比较中表现更好；终点为形状变化其幅度在本队列显示与经过时间无关联，这不证明丢失不能累积；恒定率风险施加数据未显示的间隔依赖。无患者失访，因此无右删失，但结构事件在间隔内时间未观察，风险公式容纳但不解决。在该队列大小未探索时变或间隔分层风险，仍为可能改进。为隔离网络集成适度判别性能来源，两个简化配置在相同折分配和相同种子下训练和评估。几何输入消融保留九通道仅基线输入但仅使用二值体素头和普通焦点二值交叉熵与Dice（无有符号距离回归、无标量变形辅助、无扫描间标签质量加权）。多任务输出消融保留部署模型所有三头但输入回退到单基线CT通道，丢弃八个几何通道。几何仅消融在同协议亚组闭合判别差距但在跨成像协议AUC、跨成像协议精确率-召回面积和跨成像协议折诚实阈值下每图像块Dice仍显著差于比较器，包括全队列Dice估计显著缺陷。多任务仅消融相反在任何亚组显示无显著AUC差异，但在跨成像协议精确率-召回面积和跨成像协议每图像块Dice仍显著差于比较器。解释为多任务监督包作为有符号距离回归、标量变形辅助和扫描间标签质量加权的组合，解释了从普通二值配置到部署网络在AUC上闭合判别差距的大部分，但本身未恢复跨协议Dice和精确率-召回面积；几何输入通道似乎在这两个跨协议指标贡献额外信号。分量分离消融归因包内贡献：三个进一步三种子集成在相同折下训练，每个从部署配置恰好移除监督包一个分量。移除标签质量加权代价最大：相对于部署模型的汇总AUC（95% CI至），跨成像协议亚组内（至），该臂也在该亚组显著低于比较器。移除有符号距离监督在跨成像协议亚组内代价（至）而同协议亚组不受影响。移除标量变形辅助在任何地方未产生显著变化。因此包内排序为：标签质量加权第一，有符号距离监督第二（仅跨协议），标量辅助在本队列无可检测判别变化。单旋钮超参数扫描完成敏感性图像：七个单旋钮变体中无一改进部署配置，两个显著更差（学习率减半，汇总AUC，95% CI至；有符号距离权重降至0.25，，至），其余五个与部署值统计不可区分（四舍五入点差异在至之间）。检查变体中无一有更高点估计；此事后、单种子、一次一旋钮扫描不确立等效或性能平台，但与先验决定不在该队列大小运行嵌套超参数搜索一致。一些变体略微改善校准描述符，但无一移除过度预测：平均预测概率在所有八个单种子模型中保持0.35至0.37之间对体素患病率0.157。此有限单种子扫描不能确立进一步调优是否改善校准；在探索邻域内，偏差表现为截距偏移，部署集成的交叉拟合重校准达到Brier分数0.108。网络集成在所有亚组相对梯度提升比较器系统过度自信。网络汇总体素级Brier分数为0.171，比较器0.108（配对差异，95%区间至 favoring比较器），相同方向在患者宏观估计量和两个成像协议亚组内保持。误校准具有特定、可诊断形状：平均预测概率0.383对体素患病率0.157，系统过度预测，在logit空间主要截距样，与训练损失的失衡补偿阳性加权一致。相同偏差解释为何网络Dice最优决策阈值位于0.60而比较器位于0.25；为防止差异污染分割比较，所有报告Dice值使用折诚实决策阈值分别在其他四折选择然后应用于留出折。因为偏差主要截距样而非纯尺度效应，温度缩放单独不能修复：折诚实拟合温度接近单位（1.04至1.11）且Brier分数不变。交叉拟合Platt缩放（尺度和截距在其他四折折外预测拟合，应用于留出折，因此无校准参数在自身评估体素上拟合）大幅降低表观队列内缺陷：Brier 0.171至0.108，期望校准误差0.225至0.017，匹配比较器（0.108，0.009）；交叉拟合等渗回归达到0.108和0.003；原始未重校准输出不适合临床决策。两项限定适用：程序为交叉拟合而非严格嵌套，因此严格嵌套变体和外部验证在任何可移植性声称前仍必要；Platt缩放在每折内严格单调（汇总判别边际移动因五拟合图不同，AUC 0.815至0.811），而等渗回归仅弱单调且可能引入并列。在重校准尺度上，原始折诚实阈值0.60对应跨折0.21至0.23，接近比较器0.25。阈值选择和重校准为分开步骤：阈值由其他四折折外预测在网格0.05至0.95上按平均每图像块Dice选择，而Platt参数在这些预测的1,000,000体素子样本上拟合；应用于重校准输出，相同选择选择0.20或0.25取决于折（折特定阈值下平均每图像块Dice 0.448），与映射原始阈值一致；该检查为探索性，因为其他折重校准输出本身用以评估折标签校准，这是基础模型训练集重叠之外的依赖。表中阳性预测值和补充表S2中预测阳性分数取决于本结局富集队列体素患病率，在筛查患病率下将更低。此处未定义部署操作点；它将在外部重校准后在目标人群上设定，通过最大每图像块Dice或所需敏感性。在16例网络风险图网格叠加基线CT冠状切片中，采样跨将骨折和完整稳定结局。风险在随后发生实质扫描间丢失病例中集中于椎体前部和上部，在稳定病例中保持低且广泛弥散。L1至L5每个腰椎层面的典型和上四分位示例显示预测风险空间连贯性保持所有五个层面而非仅L1。多例体积视图显示网络在不同变化幅度和模式病例中将高危体素定位到与观察丢失相同解剖区域。通过一个椎体的12切片冠状蒙太奇显示空间连贯性保持跨平行切片而非仅单一幸运横截面。扫描间变换的直接表面渲染，观察和预测，并排比较显示基线椎体、随访观察和网络预测将发生什么。

讨论部分：本工作的主要贡献是证明三维卷积架构由配对CT研究在患者分组交叉验证下监督，可产生密集体素级表观扫描间椎体骨掩膜变化概率图，其区域模式虽非丢失集体素精确成员，跨分割模型代可重现。部署集成在65例患者298个可评估椎体图像块队列上达到患者宏观AUC 0.846（体素汇总0.815）和折诚实阈值下每图像块Dice 0.452，空间连贯定位集中于随后经历实质扫描间体掩膜丢失椎体的前部和上部。新颖性为密集预测公式：先前基于CT的椎体骨折预测系统为每患者或每椎体输出单一标量，据研究人员所知，无一报道扫描间椎体变化的密集体素级预测。体素级预测锚定于相同仅基线特征训练的手工梯度提升参考并在相同折分配下评估。在该锚下，全队列或两个成像协议亚组中卷积集成与参考间未检测到统计显著判别差异，唯一例外是网络在跨成像协议亚组内小、边际显著Dice缺陷；患者宏观敏感性检查产生相同发现。因为参考本身发出逐体素图，图特征和几何分析直接询问网络增值在哪里，答案为图特征而非其判别标量：在匹配预测体积下，比较器图碎片化程度为网络图2.3倍，网络图也更少表面束缚，而比较器作为薄斑点壳达到相等汇总判别且分量召回更高；图在空间操作轮廓不同，紧凑轮廓有利于相对于基线解剖的视觉审核；本研究未确立任一轮廓的临床优越性。网络紧凑轮廓以约350倍于比较器的求和过程时间训练成本（57 CPU秒 vs. 约5.5 GPU过程小时，或约140倍GPU墙钟时间；这些为硬件特定经过时间而非硬件归一化测量），而推断成本在同一GPU上每椎体低于一秒，在笔记本电脑处理器上8至14秒，每研究含分割约2至3分钟，该成本与机会性研究采集后异步处理而非控制台处理相容；在仅重视判别的资源有限设置中，比较器是理性选择，仅当紧凑图轮廓本身被需要时网络才合理。进一步考虑是可扩展性：卷积框架可吸收更丰富监督和额外预测头而无需重新设计，下文讨论的骨折监督读出为自然下一步，而比较器受限于其固定八个手工特征。两个进一步锚限定结果：单独表面邻近先验携带大部分汇总判别（0.753 of 0.815），学习模型增加增量集中于精确率-召回机制和表面壳内体素排序，但在操作点网络相对于先验单体素壳无显著Dice优势；终点本身临床有意义，以0.865分离 documented新发骨折尽管完全由自动掩膜计算。体素汇总和患者宏观估计量均产生部署模型未检测到判别差异和原始校准显著更差的相同发现，这保护结论不为任一加权的人为产物。校准缺陷本身证明为 largely可校正、主要截距样偏差而非网络内在属性：交叉拟合Platt缩放，无校准参数在自身评估体素上拟合（非嵌套依赖在结果中陈述），恢复Brier分数和期望校准误差至比较器水平而保持折内判别不变。仍未解决的不是重校准技术而是其外部有效性，需要独立队列。跨成像协议亚组包含65例患者中31例，均为腹部基线研究和腰椎随访研究。该亚组汇总体素级AUC为0.801，同协议亚组为0.830，梯度提升比较器存在类比差距（0.801 vs. 0.824）。采集几何分析提供合理贡献因素：腹部基线采集平面内像素间距比常规临床腰椎采集大约2.5倍，重采样到规范96×96×96网格后，较大像素输入的空间细节不可恢复。跨成像协议患者也有较高逐体素阳性患病率（0.172 vs. 0.144）。两因素类似影响网络和比较器，在两个亚组中模型间配对差异接近零。网络在折诚实阈值下Dice的单一边际跨协议缺陷（，95%区间至）是相同折匹配后存活的残余差距，与网络在操作阈值产生更锐利但略差定位预测掩膜一致；作为相同重采样输入上模型间差异，它不是输入分辨率差异，尽管不能排除两个模型家族对原生分辨率的差异敏感性。三项观察界定网络拟合采集噪声而非信号的风险，这对小队列卷积模型是合理关注。表格比较器无卷积感受野因此不能像网络那样完成空间模式，在每个亚组重现类似性能轮廓，这减少而不消除关注，因为跨特征、模型或采集共享的伪影将影响两者；预测图跨三个独立训练种子和所有五个腰椎层面一致；跨协议判别惩罚适度且由两个模型家族共享。这些模式难以与主要拟合采集噪声的模型调和，尽管跨种子和模型家族共享的伪影不能由内部分析排除。消融分解部署配置相对于普通二值基线的恢复。几何输入通道单独闭合约一半判别差距但在跨成像协议亚组内AUC和Dice仍显著差于比较器。多任务监督单独达到任何亚组未检测到与比较器显著AUC差异的水平，尽管保留跨协议每图像块Dice和精确率-召回面积缺陷。最可辩护解读是多任务监督包解释差距闭合的大部分，而几何通道单独不充分；分量分离臂将包效应主要归因于扫描间标签质量加权（最大且唯一汇总显著单一贡献），其次有符号距离监督（仅跨成像协议亚组显著），标量变形辅助贡献无可测量判别。与先前影像组学和深度学习文献比较在界限内有信息。Pickhardt等人在9223名成人建立每患者L1衰减生物标志物，两年任何主要骨质疏松性骨折AUC 0.71。较小队列密度测量和影像组学模型报告适度判别，纹理特征每椎体0.64，定量CT每患者0.69至0.77，或无判别标量的关联；深度学习和影像组学列线图方法报告每患者判别0.68至0.91取决于模型、指标和地平线，输出为标量而非体素级。代表性已发表系统总结于表11。那些系统无一产生椎体内逐体素预测，因此本工作不可直接在判别标量上比较；然而它是第一个在患者分组内部验证协议下报道常规CT上表观扫描间椎体骨掩膜变化的密集体素级预测。65例患者队列上体素级判别（汇总0.815，患者宏观0.846）位于较大系统更简单输出报告的标量值范围内但处理不同终点，并与小临床队列上实质超过强表格基线的 documented困难一致。本工作贡献为体素级预测框架、预测图空间连贯性和审核级比较框架，而非头条判别标量。为在共同尺度上定向，从研究人员体素图蒸馏的每椎体标量完全无骨折监督分离临床 documented新发骨折为0.654（0.596至0.711），在专门小队列标量系统如Muehlematter等纹理模型（0.64）范围内；观察终点本身在相同标签达到0.865；图骨折监督读出为自然未来扩展。体素级映射而非标量预测的临床动机是预期扫描间变化位置携带标量评分不能的信息。体素级图可支持预测变化的空间显式复核：放射科医师可检查预测区域解剖是否合理，与基线解剖比较，并标记椎体更密切随访。本研究未确立此类图改善治疗选择、干预规划或患者结局。该输出向临床决策转化需要已注明验证步骤：体素级专家参考标准裁定表观掩膜丢失区域是否代表真实结构变化，外部多站点验证队列，以及影响管理的前瞻评估。局限性：第一，体素级标签和预测均源自自动分割，阅片者在整椎体水平而非单个体素分级骨折：因此终点为算法替代指标，循环性风险原则仍存，尽管临床锚定提供分割独立外部相关（0.865对阅片者裁定骨折）而未量化归因于循环性的体素级丢失份额，终点四分之三位于表面两体素内，边界效应部分按构造集中，后部45%切割平面十分位中等富集（相对风险1.37，约所有丢失13%），部分可能与切割相关。临床标签由两名阅片者在随访图像裁定而非取自报告自由文本，移除对为无关问题写的报告恰好提及椎体骨折完整性的依赖；低于轻度Genant阈值的椎体仍计为阴性，因此细微畸形可能分类为完整。同一分割工具早期代在两代均检测到椎体处以中位Dice 0.88重现部署掩膜，从其掩膜重建终点在两代一致随访椎体处重现椎体级结果，条件于该子集的结果不确立终点全队列稳健性；在单个体素尺度，然而仅46%丢失体素精确重合，因此丢失集体素精确成员取决于分割模型，图应读作区域风险图而非逐体素声称。未测量人类观察者间分割变异性；两代分割工具不共享的每椎体终点方差份额（两代一致随访椎体处约20%）描述两个相关流程间一致性，为代理而非观察者间估计或相对于参考的误差分解。比较不能界定两代共享误差；掩膜另由两名阅片者在随机子集抽查解剖正确性。第二，队列小（65例患者），单中心，未跨扫描仪和人群测试；任何地方未声称优于比较器。第三，采样框架非筛查人群：扫描因无关临床指征获取，队列每位患者随后至少发生一次椎体骨折。所得样本因此结局富集；观察事件率111/298椎体远高于未选择人群将显示，此处报告绝对操作特征不会不变转移到筛查设置：无未选择人群外部验证不能推广到筛查设置。该偏倚方向按指标不同：精确率-召回面积和精确率在筛查患病率下将更低，AUC无患病率但开放于未定方向谱效应，校准截距将移动。两模型间比较保持配对且无评估样本混杂，两者在相同患者和折上评估，但病例组合以不同方式影响两个模型家族：此处比较器在未骨折椎体更好而网络在骨折椎体更好。若该模式在未选择人群保持，其中大多数椎体稳定，表格模型将是更可能默认，但此处稳定椎体属于在其他处骨折患者，因此不能从本队列确立且对比本身需要外部验证。第四，配准范围为刻意刚性；敏感性分析界定关注（中等Demons细化仅吸收18%并保持两个模型对细化标签判别接近对刚性标签（0.800和0.804对0.815和0.812），多起点刚性重配准仅获得0.011重叠），但配准质量指标和标签共享相同掩膜，因此配准或分割诱导标签误差残余份额不能从流程内量化，将需要独立地标或独立分割模型；结局相关标签质量权重在训练时使用。更一般地，这些敏感性分析不划分真实结构变化与配准或分割误差：它们显示终点与分割独立临床标签关联且一个中等可变形配置保持其大部分不变；确定分离需要专家裁定或独立解剖地标。第五，原始概率误校准并依赖交叉拟合重校准层；每折校准参数在基础模型预测上拟合，其训练集包括该折患者，交叉拟合未移除的依赖，因此重校准Brier分数和期望校准误差为队列内估计，重校准独立队列验证推迟到未来工作。第六，随访间隔异质，图的无地平线解读尽管在本队列支持，为解释而非保证；测试的间隔感知替代仅为恒定率风险。总之，这些约束使当前系统为方法学概念验证而非完成临床工具。未来方向：自然下一步是体素级专家参考标准。建立新发骨折标签的阅片者在整椎体水平分级骨折存在；仍未验证的是表观掩膜丢失特定区域是否对应真实结构变化的更细问题。回答它需要约50个图像块跨重叠和丢失分数谱分层，由两名放射科医师独立注释恰好该问题，带裁定、报告一致性和所有体素级指标在验证子集重算；这直接打破分割循环性。进一步路线图包括保留采集元数据的外部多站点验证，重校准层的独立队列验证（明确推迟），在完全独立分割模型下终点级重算（扩展此处报告的掩膜级一致性分析），试点阅片者评估其中放射科医师对模型身份设盲评分两个图轮廓的解剖一致性和复核有用性（第3.7节报告轮廓差异的直接测试且未执行），以及前瞻评估体素级图是否改变管理相对于标量评分。结论：三维残差U-Net在仅基线体积和几何输入通道上以多任务监督、五折患者分组交叉验证和三种子集成训练，在65例配对CT队列产生密集逐体素表观扫描间椎体骨掩膜变化概率图。部署集成达到患者宏观AUC 0.846（体素汇总0.815）和折诚实阈值下每图像块Dice 0.452，预测风险空间集中于随后经历实质掩膜丢失椎体的前部和上部。工作主要贡献为方法学：该粒度逐体素预测，跨分割模型代区域而非逐体素可重现，据研究人员所知，先前未在常规CT椎体成像展示，基于配对基线和随访采集的监督框架为进一步发展提供可重现基础。作为公平锚，相同体素级预测在相同折分配下与强手工梯度提升参考比较；全队列任何指定指标未检测到两者统计显著判别差异，唯一例外网络在跨成像协议亚组内边际Dice缺陷，且网络显著校准差于参考。消融分析表明多任务监督包而非几何输入通道单独解释部署配置相对于普通二值基线恢复的大部分，分量分离臂归因最大单一份额于扫描间标签质量加权。当前系统为方法学概念验证而非完成临床工具。终点仍为扫描间组织重分布的算法衍生替代指标；下一步是放射科医师裁定体素级参考标准用于表观掩膜丢失是否代表真实结构变化，外部多站点验证，专用事后概率输出重校准，以及临床转化前前瞻评估。