基于深度学习的方法在磁共振图像中诊断布鲁氏菌性脊柱炎

《IEEE Transactions on Big Data》：A Deep Learning-Based Approach for the Diagnostic of Brucellar Spondylitis in Magnetic Resonance Images

　　

布鲁氏菌性脊柱炎（BS）是一种由布鲁氏菌引起的常见人畜共患病，对全球健康构成重大威胁。准确及时的诊断对于有效治疗至关重要；然而，目前尚无专门用于检测MR图像中布鲁氏菌性脊柱炎的深度学习模型。在这项研究中，我们提出了布鲁氏菌性脊柱炎MRI诊断网络（BSMRINet），这是一个完全自动化的诊断框架，旨在从T2加权（T2W）MR图像中检测布鲁氏菌性脊柱炎。该模型使用2018年1月至2023年8月期间从四家医院收集的582个病例数据集进行开发和验证。BSMRINet架构包含两个关键模块：椎体病变检测模块通过结合角点检测算法和基于ResNet的深度学习模型来检测完整椎体中的布鲁氏菌性脊柱炎，能够准确识别和定位潜在病变，并计算椎间盘高度（DH）值；脊柱病变检测模块则利用改进的DenseNet架构和挤压-激发（scSE）网络来检测受损椎体中的布鲁氏菌性脊柱炎，同时还能评估椎旁损伤，包括脓肿形成、软组织肿胀和关节受累情况。BSMRINet在内部和外部验证阶段均表现出强大的鲁棒性和泛化能力，并且其诊断性能优于具有10至15年脊柱MR图像诊断经验的两名放射科医生。研究结果表明，BSMRINet可以辅助布鲁氏菌性脊柱炎的诊断过程，提升放射科医生的诊断能力。

布鲁氏菌病是一种由布鲁氏菌引起的常见人畜共患病，是全球范围内最普遍的疾病之一，严重威胁人类和动物的健康[1]。全球有170多个国家和地区报告了人类和动物的布鲁氏菌病疫情[2]，尤其是在地中海地区、中东和拉丁美洲，每年有超过50万人感染布鲁氏菌病[3][4][5]。人类通过直接或间接接触受感染的动物或未经处理的肉类以及受污染的乳制品（如牛奶、奶酪和黄油）而感染布鲁氏菌[6]。在布鲁氏菌病中，骨关节受累是常见的并发症之一，发生率约为2-77%[2]。其中，布鲁氏菌性脊柱炎（BS）是最常见且最严重的表现形式，严重病例会导致椎体破坏（如骨质增生和硬化[1]）、炎症性充血和水肿[7]，以及脊髓管内的坏死组织或椎间盘（IVD）破坏[6]。布鲁氏菌性脊柱炎主要影响腰椎（60%），其次是胸椎（19%）和颈椎（12%）[2]。