椎体压缩性骨折与骨密度:CT图像的自动检测与分类

椎体压缩性骨折与骨密度:CT图像的自动检测与分类

Vertebral Body compression Fractures and Bone Density: Automated Detection and Classification on CT Images

简单总结：
目的：在CT图像上检测、定位和分类压缩性骨折，并测量胸椎和腰椎椎体的骨密度
—————————————————————————————————

摘要

目的：创建并验证计算机系统，用于在CT图像上检测、定位和分类压缩性骨折，并测量胸椎和腰椎椎体的骨密度。
材料与方法：本次符合hipaa的回顾性研究获得了机构审查委员会的批准，并放弃了知情同意。一组150例患者的CT研究(平均年龄73岁;年龄范围:55-96岁;女性92例，男性58例)合并压缩性骨折(n = 75)和非压缩性骨折(n = 75)。所有病例患者的年龄和性别均与对照组匹配。共有210个胸椎和腰椎显示压缩性骨折，并由放射科医生进行电子标记和分类。然后使用原型全自动脊柱分割和骨折检测软件对研究集进行分析。通过自由响应接收机工作特性分析评估系统性能。
总结：建立了一个自动机器学习计算机系统，在CT图像上以高灵敏度和低假阳性率检测、解剖定位和分类椎体压缩性骨折，并计算椎体骨密度。

材料与方法

研究对象

我们的研究符合《健康保险便携和责任法案》，并在机构审查委员会的批准下进行。本回顾性研究放弃了知情同意，在该研究中我们分析了之前获得的图像。
使用放射学信息系统应用radiology Report Search (RadNet;密苏里州北堪萨斯城Cerner Millennium)。遴选的考试服务日期由2012年至2015年。图E1(在线)显示了用于报告搜索方法的报告诊断准确性标准研究图表。

定量图像分析方法

首先对脊柱和椎体进行自动分割，检测每个椎体的上、下终板(图2a)。高度罗盘(椎体高度分布)是通过将椎体的轴向横截面划分为17个扇区来计算的(图2c-2e)。统一和系统地平均三节椎骨到颅骨和三节椎骨尾端到兴趣水平的扇区，用于确定相对高度损失。例如平均椎体高度、相对于相邻椎体的高度和骨密度等特征可以被分配到每个扇区或区域。高度指南针可以堆叠在一起，形成整个脊柱内高度分布的全局视图(图2b)。高度罗盘的模式(17个扇区，每个扇区有三个特征)被分析并用于区分骨折和正常椎骨。我们考虑了这17个部门的51个特征，并在我们的模型中全部使用。该技术的技术方面在文献(25)中进行了更详细的讨论。然后降低系统的扇区分辨率，以匹配更简单的增强Genant系统分类五区模型(图1)。然后使用支持向量回归技术对骨折特征进行分级，这是一种有监督的机器学习技术，将椎体高度分布与骨折级别和类型关联起来。

然后对T12-L4椎体进行全自动骨密度测量计算。骨密度算法起源于之前开发的用于在CT上测定脊柱骨密度的软件(26)。由于压缩过程中固有骨密度的改变，骨折检测算法显示阳性的V椎被排除在密度测量计算之外。在之前计算的椎体分割和分割中，通过椎体周围5毫米的适应性侵蚀过程，将皮质从下层小梁骨中去除。然后通过在剩余的三维髓腔内(26,27)平均衰减(Hounsfield单位)来估计骨密度。

每个病例的分析持续约5分钟，并在一台高性能桌面电脑上进行，该电脑配置2.30 ghz中央处理器、16.0 gb内存和64位Windows 7操作系统(Dell Precision T7600;戴尔，Round Rock, T ex)。