基于三维超声容积图像的深度学习模型诊断腰部多裂肌慢性肌肉损伤的可行性研究*

To explore the feasibility of a deep learning model based on three-dimensional ultrasound volume images in the diagnosis of chronic muscle injury of lumbar multifidus

摘要:

目的：多裂肌作为维持脊柱稳定性的核心肌群,其慢性退行性改变是引发下腰痛的关键病理因素。虽然肌骨超声已广泛应用于肌肉骨骼系统评估,但传统二维超声难以表征多裂肌三维空间纹理特征。本研究旨在通过三维超声成像技术解析多裂肌空间纹理特征,探索人工智能无创评估腰部多裂肌慢性损伤的可行性。方法：纳入46例下腰痛患者,采用三维容积探头采集L1-L5节段双侧多裂肌共368个三维超声容积数据。同步记录患者临床资料。以MRI脂肪浸润诊断为金标准,分别构建随机森林(RF)机器学习模型和深度卷积神经网络(DCNN)模型进行特征分析,并通过受试者工作特征曲线(ROC)比较模型性能。结果：DCNN模型诊断多裂肌脂肪浸润的准确率达69%(AUC=0.76),显著优于RF模型的62%(AUC=0.68)(P=0.032)。结论：基于三维超声的深度学习技术能有效评估多裂肌慢性损伤,为下腰痛的精准诊疗提供了新型无创影像学工具。

Abstract: