在全球范围内，腰痛作为一个重大的公共卫生问题，给个人和社会带来沉重的负担。腰椎间盘退变被认为是引发这些脊柱退行性疾病的重要因素。然而，因为缺乏自动测量的方法，临床及相关研究大都局限于定性分析水平，缺乏自动化定量测量分析方法。

2月11日，我校附属龙华医院及脊柱病研究所王拥军教授（最后通讯作者）、孙悦礼博士（并列第一作者）和上海大学机电工程与自动化学院田应仲教授（共同通讯作者）、郑华栋硕士（第一作者）以及团队其他成员围绕椎间盘退变自动测量深度研究，在国际上首次建立一种基于深度学习影像区域分割网络与自动测算技术方法，并进一步在大样本人群中构建腰椎间盘退变量化评价标准，成果“Deep learning-based high-accuracy quantitation for lumbar intervertebral disc degeneration from MRI”在《自然·通讯》（Nature Communications）上率先发表。

图1 研究成果发表在Nature Communications

从观察到数据：改进深度学习图像分割网络，建立椎间盘核磁影像量化评价原创方法

根据腰椎间盘MRI的特点和椎间盘退变量化的需求，项目组建立一种适用于核磁共振影像的新型图形分割网络技术方法——BianqueNet（图2），实现了腰椎间盘退变相关区域的高准确率分割。与其他自动区域分割方法相比，其精度在腰椎结构分界方面尤为突出。

图2 BianqueNet的结构及分割性能

用于测算椎间盘参量的特征点依赖于更精准的区域分割。在此基础上，研究人员改进了基于直方图特征的椎间盘灰度特征量化方法，并提出了基于面积量化椎间盘高度特征量化方法（图3）。与多位临床医师的手工测量结果相比，该算法展现出高度的一致性。

图3 椎间盘参量的自动测算方法

从数据到知识：依托全国石筱山伤科联盟，分析大样本椎间盘核磁影像数据特征

在算法展现出极高的可靠性基础上，项目组分别在我校附属龙华医院、北京中医药大学东直门医院、广东省中医院以及深圳平乐骨伤科医院收集到共计1051份腰椎间盘MRI图像，采用该算法测得不同退变程度的椎间盘参数，并与人口统计信息（年龄、性别、节段和退变等级）等参数进行相关分析（图4）。

图4椎间盘参数在大样本人群中的分布特点

从知识到能力：制定椎间盘退变参数标准，实现椎间盘退变自动量化评估

考虑到上述大样本椎间盘参量与退变等级呈现显著的相关性，研究团队就此建立了椎间盘退变的量化标准，从而实现自动定量分析（图5）。

图5 该算法自动测量腰椎间盘参数

医工结合：紧跟前沿技术，面向临床需求

该全自动椎间盘退变定量评估算法可在1秒内对1张腰椎MRI中的5个腰椎间盘共计20个参量完成自动测算，并得出精准的椎间盘退变分级判断（图6）。

图6 腰椎间盘退变核磁影像自动测量报告案例（23岁男性）

随着全国大样本数据不断丰富，前瞻性观察不断完善，该数据库将为腰椎退行性病变的临床实践、临床试验和机制研究提供更精确的信息，进一步指导椎间盘退变的防治以及手术与非手术时间窗的建立，更好地实时动态、无创精准指导手术及非手术治疗与康复方案的实施与评估。

本成果得到王拥军教授团队承担的国家自然科学基金重点项目（81930116）等项目资助。研究团队一直致力于多学科交叉，注重医工结合技术开发与大样本数据库建设，建立了慢性筋骨病大型前瞻性专病队列，汇聚了一支中西医临床、基础、人工智能、生物医学工程和生物信息分析多学科专业人员的研究团队，推动中医骨伤学科建设和团队人才培养，更好地保障人民生命健康。（研究院综合办、龙华医院科技处、脊柱病研究所）