论文部分内容阅读
目的:膝关节置换术(TKA)、胫骨高位截骨术(HTO)是重建关节、矫正畸形、恢复生物力学轴线常用方法。术前精准的生物力学参数(BMP)测量、术中良好矫正被认为是决定手术成败及远期疗效关键因素之一。基于放射学的BMP采集体系已经形成,但对成像肢体姿态有较高的要求,相对于公认的标准姿态(SP),非标准姿态(NSP)采集的BMP不同程度偏离了真实值。然而现有研究对这种偏离真实值的程度探索较少,也无矫正措施,且人工测量BMP耗时、费力、繁琐、数据单薄,现有BMP采集体系不能满足现代骨科精准需求。为此本研究:(1)基于统计形状建模(SSM)的方法构建下肢多维度畸形-多维度旋转(MD-MP)模型谱,并以此开发BMP-Bias算法模型,实现研究范围内MD-MP测量BMP得到矫正;(2)基于深度学习(Deep Learning,DL)开发下肢全长冠状位X-Ray多任务模型(FLCR-MTM),实现下肢特征点预测、姿态分类、BMP精准预测。方法:采集健康志愿者双下肢全长CT数据(n=30),通过3D重建、数据标注等构建下肢原始标准化3D模型,开发计算机自动化程序并生成研究范围内下肢MD-MP模型谱,计算模型谱中所有样本的BMP并生成MD-MP-BMP数据库,计算MD-MP-BMP数据库中所有NSP相对SP的BMP的差值并生成BMP-Bias数据库。分析BMP-Bias数据库中数据的关联性、聚类特征、平衡特征、分布形状。以BMP-Bias数据为基础,通过机器学习的方法开发BMP-Bias算法模型,测试模型的平均绝对误差(MAE)和均方误差(MSE),通过校标关联效度验证(Criterion-Related Validity,CRV)评价模型的在诊断一致性方面的性能。基于U-net神经网络开发1个下肢全长X-Ray多任务模型(FLCR-MTM)。回顾性采集3个研究中心F-LCR数据(n=1400),前瞻性采集独立的F-LCR(n=86)和双下肢全长CT(n=86)多模态影像数据。对F-LCR数据(n=1400)进行姿态7分类标签、BMP测量标签人工标注,按照3:1:1的比例随机将F-LCR划分为训练集(n=820)、验证集(n=290)、测试集(n=290)。使用训练集对FLCR-MTM进行训练并在验证集验证模型的性能。使用测试集测试模型特征点预测的平均误差(MRE mm),测试2mm、4mm、6mm成功检测率(SDR%);在测试集中使用受试者工作特征曲线(ROC)的方法计算姿态分类的AUC、特异性、敏感性,使用混淆矩阵计算模型姿态分类的总的准确率。采用Pearson相关分析和Bland-Altman分析评估两组诊断效果,估计差异。通过均方误差(MSE)、平均绝对误差(MAE)、一致性相关系数(CCC)评估FLCR-MTM的性能。通过将相关系数值转换为z分数来检验两种(模型与专家)相关性进行比较。结果:纳入了30例健康人下肢全长CT并构建了原始下肢3D标准化模型,基于统计形状建模方法开发的下肢MD-MP模型谱包含111,600个基本形状,生成的MD-MP-BMP数据库包含1,562,400个结构化BMP样本,生成的BMP-Bias数据库包含1,562,400个结构化Bias样本。分析BMP-Bias数据显示:(1)下肢MD-MP与BMP-Bias具有明显的相关性;(2)BMP-Bias数据程平滑的线性特征,具备线性模型一般规律性;(3)BMP-Bias数据分布平具有不平衡性,其中HKA、FTA、MPTA 3种BMP-Bias的变化幅度较大(波动区间分别为-23.64°~23.84°,-25.21°~24.38°,-28.45°~29.99°),而FM-FS、JLCA、m LDFA、a LDFA的BMP-Bias的变化幅度较小(波动区间为2.59°~-0.79°,-3.07°~1.25°,-0.51°~2.59°,-2.45°~1.35°)。开发的BMP-Bias算法模型,预测BMP总的MAE为0.5130°,总的MSE为0.5728°。基于U-net卷积神经网络开发了FLCR-MTM,1400张F-LCR纳入了FLCR-MTM开发研究。在F-LCR测试集(n=290)对FLCR-MTM进行了测试:(1)点预测模型结果显示,专家和模型特征点总的MRE分别为2.66 mm和3.08mm,两组在2mm、4mm、6mm的SDR(%)分别为87.50%、96.50%、98.50%和85.25%、95.25%、97.50%;(2)580张F-LCR(1160个下肢)测试集对分类模型进行了测试,标准姿态、轻度内旋姿态、中度内旋姿态、重度内旋姿态、轻度外旋姿态、中度外旋姿态、重度外旋姿态的AUC分别为0.978、0.978、0.961、0.952、0.959、0.959,模型总体准确率为93.45%(1084:1160)(3)86个下肢CT和F-LCR纳入了校标关联效度验证研究,F-LCR组与CT组、FLCR-MTM组与CT组总的测量一致性分别r为0.838(P<0.01)、MAE为6.053(°)、MSE为19.192(°)、CCC为0.829(95%CI,0.750-0.885)和r为0.994(P<0.01)、MAE为1.037(°),MSE为4.053(°),CCC为0.993(95%CI,0.990-0.996),FLCR-MTM组与F-LCR组两组间的一致性的差异z为15.445(P<0.01),有统计学意义。结论:(1)健康人下肢CT数据3D重建并标准化,能够实现下肢MD-MP统计形状建模,所构建的MD-MP模型谱包含了标准姿态形状和非标准姿态形状之间BMP变化规律。(2)基于下肢MD-MP模型谱,开发的BMP-Bias算法模型能够矫正研究范围内MD-MP的BMP偏差值。(3)开发的FLCR-MTM能够对下肢骨性特征点预测、下肢姿态分类,在F-LCR上实现了对MD-MP-BMP精准预测。(4)与传统BPM采集方法相比,FLCR-MTM向临床提供的是矫正后BMP,可能有助于提高TKA、THO手术治疗水平。