КТ-основанное глубокое обучение для дифференциации острых и хронических остеопоротических компрессионных переломов позвонков (CT-DL-OVCF)

Данное исследование представляет собой ретроспективное многоцентровое обсервационное исследование, разработанное для создания и оценки системы на основе глубокого обучения для дифференциации острых и хронических остеопоротических компрессионных переломов позвонков с использованием изображений компьютерной томографии (КТ).

Пациенты с диагностированными остеопоротическими компрессионными переломами позвонков, которые прошли как КТ, так и магнитно-резонансную томографию (МРТ), будут ретроспективно собраны из Первой клинической больницы Медицинского университета Чунцина и ещё одного медицинского центра в период с января 2023 года по сентябрь 2025 года. Клинические данные, включая возраст, пол и результаты двухэнергетической рентгеновской абсорбциометрии (DXA), а также полные КТ- и МРТ-изображения в формате DICOM, будут собраны. Интервал между исследованиями КТ и МРТ должен составлять менее двух недель. Пациенты с патологическими переломами, вызванными инфекцией или опухолью, наличием инородных материалов, таких как костный цемент или металлические имплантаты, или плохим качеством изображений со значительными артефактами будут исключены.

Рабочий процесс исследования включает сбор данных, разработку модели, оценку производительности и анализ интерпретируемости модели. Сначала будут оценены несколько моделей сегментации на основе глубокого обучения, включая U-Net, U-Mamba и UNETR++, по производительности сегментации тел позвонков. На основе оптимальных результатов сегментации будут обучены классификационные модели, такие как VGG-16, DenseNet-121, Vision Transformer (ViT) и архитектуры на основе трансформеров, для дифференциации острых и хронических компрессионных переломов. Для построения окончательной классификационной системы будет выбрана модель с наилучшей производительностью.

Производительность модели для задач сегментации будет оцениваться с использованием коэффициента сходства Dice и значений потерь. Производительность классификации будет оцениваться на внешнем валидационном наборе данных с использованием площади под кривой рабочих характеристик приёмника (AUC), чувствительности, специфичности, точности, положительной прогностической ценности и отрицательной прогностической ценности. Для визуализации производительности модели будут построены кривые рабочих характеристик приёмника и матрицы ошибок.

Для улучшения интерпретируемости модели будет применено градиентно-взвешенное картирование активации классов (Grad-CAM) для создания тепловых карт, выделяющих области изображения, которые в наибольшей степени влияют на прогнозы модели. Эти тепловые карты будут наложены на КТ-изображения для визуальной демонстрации того, как модель дифференцирует острые и хронические остеопоротические компрессионные переломы позвонков.

На основе предварительно определённого расчёта размера выборки, предполагающего чувствительность 0,90, уровень значимости 0,05 и допустимую ошибку 0,05, ожидается, что в это исследование будет включено в общей сложности 276 пациентов (138 случаев острых и 138 случаев хронических переломов).