研究目的：
准确识别特定的内耳畸形有助于耳科医生预判手术中的挑战，并可能优化术后听力效果。在本研究中，我们探讨了应用类似耳蜗形态学原理的可行性，即基于基底回的易于量化测量值，来区分正常的侧壁结构与异常变体。
研究设计：
我们回顾性收集了2005年至2023年间在我中心接受耳蜗植入术的60名患者，这些患者术前均被确诊有内耳畸形。在120个被分析的耳蜗中，有111个适合进行结构分割，其中包括8例II型耳蜗发育不全、15例III型耳蜗发育不全、2例V型耳蜗发育不全、38例I型不完全分隔、44例II型不完全分隔以及4例III型不完全分隔。同时选取了141个正常耳蜗作为对照组。通过对手术前锥形束计算机断层扫描图像进行手动分割，得到了三维侧壁螺旋结构。随后利用这些螺旋结构计算基底回的简单解剖学参数，包括耳蜗直径A和宽度B、基于椭圆近似法计算的基底回长度、B/A比值和B比率，以及耳蜗高度H。首先通过双侧Mann–Whitney–Wilcoxon检验，分析正常结构与异常结构在上述几何参数上的统计学差异。其次通过逻辑回归分析，判断这些几何参数是否可用于预测特定耳蜗形态是正常还是异常，进而探究此类模型是否能够区分不同类型的畸形。
研究结果：
在临床影像中可轻松测量的四个基底回几何参数——侧壁上的基底回长度、耳蜗高度H、B/A比值和B比率——足以可靠地区分正常耳蜗与异常变体。二元逻辑模型整体准确率为94%，各类别的精确度和召回率均≥0.92，其中耳蜗高度H是最重要的预测因子。在我们的模型中，H和B/B分别是区分正常结构与异常结构，以及不完全分隔与耳蜗发育不全的最强指标。在超越二元分类的基础上，三分类模型（正常 vs 不完全分隔 vs 耳蜗发育不全）的准确率仍为90%。总体而言，这些模型能够可靠地区分正常与异常、不完全分隔与耳蜗发育不全，以及因高度降低而产生的CHIII亚型。但对于IPI与IPII的区分，仅靠基底回测量数据不够准确；而对于IPIII、CHII、CHIV等亚型，由于样本量过小，模型的召回率较低。
研究结论：
研究表明，通过对侧壁基底回的简单测量，可以快速、直观且准确地检测临床影像中的耳蜗畸形，并区分I型不完全分隔与CH型耳蜗发育不全。该方法能够有效识别异常病例，为个性化植入手术提供有用的术前信息，同时也指出了需要更多特征或更大样本量的情况（如IPI与IPII的区分、罕见亚型）。此类模型有望为未来在术前规划中自动识别耳蜗畸形奠定基础。
