CT紋理分析聯(lián)合機(jī)器學(xué)習(xí)對(duì)椎體隱匿性骨折輔助診斷價(jià)值初探

彭云， 王猛， 劉暢， 賈宏茹， 吳晶濤， 羅先富*

(1.中南大學(xué) 湘雅二醫(yī)院 影像科， 湖南 長沙 410011； 2.揚(yáng)州大學(xué) 臨床醫(yī)學(xué)院 江蘇省蘇北人民醫(yī)院 影像科， 江蘇 揚(yáng)州 225001； 3.國家癌癥中心/國家腫瘤臨床醫(yī)學(xué)研究中心/中國醫(yī)學(xué)科學(xué)院 北京協(xié)和醫(yī)院腫瘤醫(yī)院 深圳醫(yī)院， 廣東 深圳 518116)

椎體隱匿性骨折，又稱微骨折或骨挫傷，是指直接或間接機(jī)械暴力作用下骨小梁壓縮或中斷，引起松質(zhì)骨內(nèi)局限性出血或水腫，但并未發(fā)生骨皮質(zhì)斷裂及移位的骨折[1].近年來，由于骨質(zhì)疏松發(fā)病率的升高，輕微外傷導(dǎo)致的椎體隱匿性骨折日漸增多，但輕微外傷后椎體形態(tài)完整，常規(guī)X線、CT檢查難以對(duì)其進(jìn)行診斷，導(dǎo)致最佳治療時(shí)間延誤，可能引起骨折椎體或鄰近椎體的二次損傷[2-3].因此，對(duì)椎體隱匿性骨折進(jìn)行早期、準(zhǔn)確的診斷非常重要.

磁共振脂肪抑制成像能夠同時(shí)顯示椎體的形態(tài)及骨挫傷，是目前診斷椎體隱匿性骨折的金標(biāo)準(zhǔn)[4]，但該技術(shù)掃描時(shí)間長、費(fèi)用較高，難以在急診中常規(guī)應(yīng)用，此外，部分復(fù)雜創(chuàng)傷性患者不適于進(jìn)行磁共振成像檢查.雙能CT虛擬去鈣技術(shù)可檢出骨髓水腫，從而降低椎體骨折的漏診率，但雙能CT機(jī)器昂貴，難以普及運(yùn)用，且需要特殊的后處理技術(shù)[5-6].紋理分析技術(shù)能夠提取圖像中的肉眼無法識(shí)別的紋理特征，客觀地評(píng)估病變組織和正常組織的同、異質(zhì)性[7]，在肌骨系統(tǒng)中亦可用于椎體形態(tài)及微結(jié)構(gòu)的評(píng)估[8-9].多層感知模型是機(jī)器學(xué)習(xí)的一種常用算法，可通過對(duì)一組事件結(jié)局已知的訓(xùn)練數(shù)據(jù)(如良性或惡性腫瘤圖像)進(jìn)行學(xué)習(xí)，建立模型，并根據(jù)學(xué)習(xí)結(jié)果對(duì)新的數(shù)據(jù)進(jìn)行預(yù)測(如分析另外一張新的圖像為良性還是惡性腫瘤的表現(xiàn)).因此本研究以MR為參考標(biāo)準(zhǔn)，對(duì)椎體CT圖像進(jìn)行紋理特征提取和篩選，采用深度學(xué)習(xí)多層感知模型進(jìn)行建模和訓(xùn)練，旨在研究基于CT圖像紋理分析的人工智能方法，提高椎體隱匿性骨折檢出率的可行性.

1 材料與方法

1.1 研究對(duì)象

本研究通過醫(yī)院倫理管理委員會(huì)批準(zhǔn).回顧性分析2017年1月至2018年12月期間來蘇北人民醫(yī)院就診的隱匿性胸/腰椎骨折病例，每例入選患者選擇一個(gè)骨折椎體納入實(shí)驗(yàn)組，一個(gè)相鄰正常椎體納入對(duì)照組.按照胸椎(T1-T10)、胸腰椎交界處(T11-L1)、腰椎(L2-L5)將椎體分為3個(gè)部位，同一患者骨折椎體與正常對(duì)照椎體均位于同一部位.納入標(biāo)準(zhǔn)：(1)兩名影像診斷醫(yī)師(工作年限分別為10年和20年)，根據(jù)Genant半定量法[10]，將CT圖像上椎體塌陷高度<20%、MRI檢查有骨髓水腫的椎體診斷為椎體隱匿性骨折，診斷結(jié)果不一致時(shí)經(jīng)討論達(dá)成一致；(2)椎體CT檢查48 h內(nèi)，行相應(yīng)MRI檢查；(3)同一部位相鄰椎體中有至少一個(gè)正常椎體;(4)無骨腫瘤、骨囊腫、轉(zhuǎn)移瘤、椎體骨折病史等可能影響椎體形態(tài)的基礎(chǔ)疾病.排除標(biāo)準(zhǔn)：(1)椎體明顯壓縮變形，根據(jù)Genant半定量法，CT圖像上椎體塌陷高度≥20%(I級(jí)及以上);(2)CT檢查48 h內(nèi)未行相應(yīng)MRI檢查;(3)患者有惡性腫瘤病史或目標(biāo)椎體有其他可能導(dǎo)致椎體微結(jié)構(gòu)變化的疾病(如骨囊腫、許莫氏結(jié)節(jié)等)；(4)骨折椎體同一部位的相鄰椎體中無正常椎體.

1.2 CT及MR成像

所有患者均進(jìn)行多層螺旋CT檢查與MR檢查.CT掃描采用64排螺旋CT(LightSpeed 64 slice、Discovery CT750 HD，GE 公司)采集CT圖像，患者仰臥，掃描范圍根據(jù)臨床需要確定，軸位薄層圖像層厚1.25 mm，層間距1.25 mm，掃描管電壓120 kVp，管電流300～350 mAs，所有CT掃描軸位薄層圖像導(dǎo)入工作站(AW 4.5，GE 公司)，進(jìn)行矢狀位圖像重建，重建層厚1.25 mm，層間距1.25 mm.

MR掃描采用1.5 T (SIGNATMArtist， GE公司)與3.0 T(DiscoveryTMMR750，GE公司)兩種掃描設(shè)備.采用脊柱專用線圈，掃描范圍根據(jù)需要確定.掃描序列包括矢狀位T1加權(quán)像、T2自旋回波序列以及短時(shí)反轉(zhuǎn)恢復(fù)(short time inversion recovery，STIR)序列.1.5T MR STIR序列掃描參數(shù)如下：TR 3 300～3 740 ms，TE 42 ms，TI 150 ms；掃描層厚4 mm，層間距0.4 mm.3.0 T MR掃描參數(shù)如下：TR 3 300～4 000 ms，TE 50 ms，TI 170 ms；掃描層厚4 mm，層間距0.4 mm.

1.3 圖像分析

采用ITK-Snap軟件(University of Pennsylvania，V3.6.0)勾畫感興趣區(qū)域(region of interest，ROI).①以椎體MR矢狀位脂肪抑制序列STIR圖像為參考標(biāo)準(zhǔn)(圖1a)，結(jié)合MR矢狀位其他序列與軸位圖像確認(rèn)椎體骨折部位,在椎體CT矢狀位重建圖像上勾畫正常椎體(圖1b，綠色區(qū)域)與骨折椎體(圖1b，紅色區(qū)域)；②參考MR及CT矢狀位圖像，在隱匿性骨折椎體含骨髓水腫的軸位CT層面畫取軸位ROI(圖1c)；③根據(jù)骨折椎體骨髓水腫層面，選擇正常椎體相應(yīng)軸位層面進(jìn)行勾畫(圖1d).勾畫ROI時(shí)避開血管、椎間盤、椎體附件等組織，沿骨皮質(zhì)內(nèi)緣2 mm進(jìn)行畫取.

圖1 感興趣區(qū)域(ROI)勾畫示意圖

1.4 CT紋理特征的提取

采用A.K.軟件(artificial intelligent kit，GE 公司)依次對(duì)椎體CT矢狀位圖像紋理特征及軸位圖像紋理特征進(jìn)行提取.為保證所有圖像像素的一致性，將矢狀位及軸位CT圖像與所勾畫ROI圖像依次進(jìn)行體素標(biāo)準(zhǔn)化處理，然后采用灰度直方圖、灰度共生矩陣、游程長度矩陣以及灰度及帶矩陣4種方法提取椎體的紋理特征.

1.5 統(tǒng)計(jì)分析

紋理特征的篩選及機(jī)器學(xué)習(xí)建模統(tǒng)計(jì)分析采用A.K軟件：將實(shí)驗(yàn)組與對(duì)照組椎體分別按7∶3的比例分為訓(xùn)練組與驗(yàn)證組，其中訓(xùn)練組用于紋理特征的篩選及模型的建立，驗(yàn)證組用于判斷模型的診斷效能.對(duì)訓(xùn)練組參數(shù)進(jìn)行單因素方差分析與M-W秩和檢驗(yàn)選取實(shí)驗(yàn)組與對(duì)照組間有顯著性差異的參數(shù)，采用Spearman秩相關(guān)分析去除剩余中相關(guān)性強(qiáng)的冗余參數(shù).對(duì)訓(xùn)練組篩選出來的參數(shù)采用多層感知模型機(jī)器學(xué)習(xí)方法進(jìn)行學(xué)習(xí)、建模，采用驗(yàn)證組對(duì)模型的診斷效能進(jìn)行驗(yàn)證，獲得訓(xùn)練組與驗(yàn)證組的受試者曲線下面積(AUC).為評(píng)估椎體部位對(duì)正?；螂[匿性骨折椎體紋理特征的影響，按胸椎、胸腰交界處及腰椎3個(gè)區(qū)域?qū)⒄＜肮钦劢M的椎體分組，采用非參數(shù)Kruskal-Wallis H檢驗(yàn)分別對(duì)正常及骨折組中3組的矢狀位及軸位CT參數(shù)依次進(jìn)行比較.

2 結(jié)果

2.1 病例資料

收集椎體隱匿性骨折共計(jì)115例，其中15例因骨折椎體同一部位無相鄰正常椎體排除，14例因椎體有骨腫瘤病史、椎體骨折病史、骨囊腫及許莫氏結(jié)節(jié)排除，2例因在椎體CT檢查超過48 h后行MR排除.最終共計(jì)84例患者納入研究，其中男性28例(33.3%)，女性56例(66.7%)，平均年齡(58±13)歲.84例患者中38例(45.2%)有輕微外傷史，46例(54.8%)無明顯外傷史.84例隱匿性骨折椎體中，最初CT診斷為正常的有43例(51.20%)，診斷為可疑骨折的有18例(21.43%)，診斷為骨折的23例(27.37%).

每例患者各取一隱匿性骨折椎體及鄰近正常椎體納入實(shí)驗(yàn)組及對(duì)照組，共計(jì)84個(gè)骨折椎體與84個(gè)正常椎體，按照胸椎(T1-T10)、胸腰椎交界處(T11-L1)、腰椎(L2-L5)將椎體分為3個(gè)部位，其中胸椎6對(duì)(7.14%)，胸腰椎交界處52對(duì)(61.91%)，腰椎26對(duì)(30.95%).

2.2 CT紋理特征的提取及篩選結(jié)果

CT矢狀位紋理特征提取過程：對(duì)84例患者骨折椎體與鄰近正常椎體正中矢狀位CT圖像的紋理參數(shù)進(jìn)行提取，每個(gè)椎體獲得63個(gè)紋理參數(shù).按7∶3分組后對(duì)椎體進(jìn)行分組后，訓(xùn)練組內(nèi)骨折椎體與正常椎體各58個(gè)，驗(yàn)證組各26個(gè).紋理特征篩選過程如下：采用單因素方差分析與M-W秩和檢驗(yàn)，排除57個(gè)參數(shù)；經(jīng)spearman相關(guān)分析，排除1個(gè)參數(shù).最后獲得正常組與骨折組有差異特征共5個(gè)：最低密度值、能量、峰度、低密度增強(qiáng)值、Hara方差.各參數(shù)呈非正態(tài)分布，以中位數(shù)表示，具體見表1.

表1 椎體CT矢狀位圖像紋理參數(shù)篩選結(jié)果Table 1 The selection results of sagittal image texture parameters of vertebral body CT

CT軸位紋理特征提取過程：對(duì)84例患者骨折椎體與鄰近正常椎體CT軸位圖像的紋理參數(shù)進(jìn)行提取，每個(gè)椎體獲得63個(gè)紋理參數(shù).按7∶3分組后對(duì)椎體進(jìn)行分組后，訓(xùn)練組內(nèi)骨折椎體與正常椎體各58個(gè)，驗(yàn)證組各26個(gè).訓(xùn)練組紋理特征篩選過程如下：采用單因素方差分析與M-W秩和檢驗(yàn)，排除54個(gè)參數(shù)；經(jīng)spearman秩相關(guān)分析，排除3個(gè)參數(shù).最后獲得正常組與骨折組有差異特征共6個(gè)，分別為均值、能量、均質(zhì)性、偏度、范圍、區(qū)域百分比.各參數(shù)呈非正態(tài)分布，以中位數(shù)表示，具體見表2.

表2 椎體CT軸位圖像紋理參數(shù)篩選結(jié)果Table 2 The selection results of axial image texture parameters of vertebral body CT

2.3 機(jī)器學(xué)習(xí)多層感知模型的建立及驗(yàn)證

基于椎體CT矢狀位圖像紋理特征，對(duì)訓(xùn)練組篩選出的5個(gè)紋理參數(shù)采用多層感知模型進(jìn)行建模，所得AUC為1.00，采用驗(yàn)證組對(duì)其診斷效能進(jìn)行驗(yàn)證，所得AUC為0.84(圖2A).基于椎體CT軸位圖像紋理特征，對(duì)訓(xùn)練組篩選出的6個(gè)紋理參數(shù)采用多層感知模型進(jìn)行建模，所得AUC為1.00，采用驗(yàn)證組對(duì)其診斷效能進(jìn)行驗(yàn)證，所得AUC為0.85(圖2B).

圖2 椎體隱匿性骨折診斷模型的ROC曲線下面積

2.4 部位對(duì)椎體建模參數(shù)的影響

無論在正常組還是隱匿性骨折組中，胸椎、胸腰椎交界及腰椎3個(gè)部位的軸位及矢狀位CT紋理參數(shù)均無統(tǒng)計(jì)學(xué)差異.

3 討論

由于成像速度快、可進(jìn)行多平面圖像重建等優(yōu)勢，CT已成為骨折診斷的常用方法.通過外傷史及椎體形態(tài)學(xué)變化(如椎體局部塌陷、骨皮質(zhì)或骨紋理的中斷以及異常密度影)，CT能夠?qū)Υ蟛糠肿刁w骨折進(jìn)行確診.但由于隱匿性椎體骨折形態(tài)變化小，而且通常無嚴(yán)重外傷史，僅依靠常規(guī)CT檢查容易漏診.

紋理分析能夠?qū)D像信息轉(zhuǎn)化為定量數(shù)據(jù)，通過客觀參數(shù)展現(xiàn)出肉眼所不能觀察到的信息.目前，該技術(shù)已經(jīng)應(yīng)用于良、惡性占位的鑒別、腫瘤分級(jí)以及肌骨系統(tǒng)骨質(zhì)分析中[11-12].TABARI[13]對(duì)神經(jīng)性厭食癥患者椎體骨質(zhì)特征進(jìn)行提取，發(fā)現(xiàn)紋理參數(shù)能夠反映椎體骨質(zhì)結(jié)構(gòu)的完整性；NARDONE[14]發(fā)現(xiàn)骨質(zhì)紋理特征能夠預(yù)測放射性骨折.本研究認(rèn)為隱匿性骨折發(fā)生后，雖然椎體骨皮質(zhì)未明顯斷裂，但骨松質(zhì)內(nèi)骨小梁等微結(jié)構(gòu)會(huì)有所改變，這些微小結(jié)構(gòu)的變化雖然難以被肉眼發(fā)現(xiàn)，但對(duì)椎體紋理特征進(jìn)行提取及分析，可獲得反映骨松質(zhì)形態(tài)變化的特征性參數(shù).

CT 紋理分析主要包含3個(gè)階段的統(tǒng)計(jì)參數(shù)，灰度直方圖提取出的參數(shù)屬一階統(tǒng)計(jì)量，主要描述每種灰度值出現(xiàn)的頻數(shù)，包括熵、均值、標(biāo)準(zhǔn)差、偏度、峰度、能量、范圍等[15].灰度共生矩陣與游程長度矩陣參數(shù)均為二階統(tǒng)計(jì)量，前者反映圖像在方向、相鄰間隔、變化幅度及快慢上的綜合信息；后者可表達(dá)各像素與其相鄰像素的空間關(guān)系[16].灰度及帶矩陣屬于高階統(tǒng)計(jì)量，能夠表明區(qū)域內(nèi)強(qiáng)度的變化或同質(zhì)區(qū)域的分布情況.本研究采用上述4種方法提取椎體紋理特征，篩選后發(fā)現(xiàn)隱匿性骨折椎體與正常椎體的最低密度值、能量、峰度、低密度增強(qiáng)值、Hara方差5個(gè)CT矢狀位參數(shù)及均值、能量、均質(zhì)性、偏度、范圍、區(qū)域百分比6個(gè)CT軸位參數(shù)差異無統(tǒng)計(jì)學(xué)意義.矢狀位參數(shù)中，能量、Hara方差均可評(píng)估圖像灰度分布的均勻性，能量屬灰度直方圖參數(shù)，衡量CT圖像中灰度值頻數(shù)分布的均勻性，而Hara方差屬于灰度共生矩陣參數(shù)，能夠反映圖像中灰度變化幅度、快慢等的均勻性，隱匿性骨折組的能量及Hara方差均高于正常組，提示隱匿性骨折椎體正中矢狀位圖像的均勻性差.峰度值表明相對(duì)于正態(tài)分布，CT圖像灰度頻數(shù)重尾或輕尾分布的度量，當(dāng)該值為負(fù)數(shù)時(shí)，提示分布曲線較為陡峭.本研究中，正常組的峰度為正值，隱匿性骨折組的峰度為負(fù)值，提示骨折椎體CT圖像的灰度頻數(shù)分布與正態(tài)分布差異較大，曲線較陡，這可能與椎體骨質(zhì)輕微移位、重疊，導(dǎo)致?lián)碛休^高灰度的體素增多有關(guān).此外，本研究中正常椎體與骨折椎體的最低密度值均為負(fù)值，這可能與隱匿性骨折好發(fā)于有骨質(zhì)疏松的老年人有關(guān)，骨質(zhì)疏松致使鈣質(zhì)減少，椎體骨質(zhì)中可出現(xiàn)含脂肪的極低密度區(qū)，對(duì)應(yīng)于最低密度值的負(fù)值.骨折組的最低密度值及低密度增強(qiáng)值均高于正常組，提示發(fā)生隱匿性骨折后，椎體發(fā)生骨髓水腫，水分彌漫于椎體之中，使得部分極低密度區(qū)域的密度增高，進(jìn)而導(dǎo)致最低密度值及低密度增強(qiáng)值的升高.軸位參數(shù)中，均值代表圖像灰度的均值，均質(zhì)性表明圖像灰度分布的均勻性，偏度表明灰度左右尾的不對(duì)稱程度，范圍表示灰度的大小范圍，區(qū)域百分比代表圖像中均質(zhì)帶的均勻性[17].本研究發(fā)現(xiàn)骨折組的均值、區(qū)域百分比及均質(zhì)性高于正常組，這提示在正常的椎體中，有較水腫密度更低的區(qū)域，并且呈不均勻分布，這可能與骨質(zhì)疏松的基礎(chǔ)疾病有關(guān).而骨折椎體中，骨髓水腫充填部分極低密度區(qū)，提高了極低密度區(qū)的灰度，使灰度分布更均勻.結(jié)果顯示正常組與骨折組的偏度均為正值，且骨折組偏度高于正常組，正常椎體中由于高密度骨質(zhì)較多，骨髓等軟組織相對(duì)較少，因此灰度直方圖呈右偏分布，骨折后，骨髓水腫使得部分極低密度區(qū)域密度增高，骨質(zhì)重疊使得高密度區(qū)域密度更高，右偏程度增加，偏度上升.

機(jī)器學(xué)習(xí)是統(tǒng)計(jì)學(xué)與人工智能的一個(gè)分支，該技術(shù)將數(shù)字化數(shù)據(jù)、計(jì)算機(jī)極快的運(yùn)算能力與精細(xì)的統(tǒng)計(jì)學(xué)模型相互結(jié)合，通過在計(jì)算機(jī)內(nèi)對(duì)已知訓(xùn)練組數(shù)據(jù)進(jìn)行學(xué)習(xí)即可建立預(yù)測模型，并應(yīng)用該模型對(duì)后續(xù)數(shù)據(jù)進(jìn)行分類，具備高效率、低消耗、較高準(zhǔn)確性等優(yōu)勢[18].自20世紀(jì)50年代以來，科學(xué)家已開發(fā)出許多機(jī)器學(xué)習(xí)算法，如支持向量機(jī)、隨機(jī)森林、決策樹、多層感知等模型.目前，基于影像學(xué)紋理分析的深度學(xué)習(xí)方法已在心血管疾病、肝臟疾病分析中有所應(yīng)用[19-20].然而在肌骨系統(tǒng)方面，深度學(xué)習(xí)建模的使用較少.多層感知模型屬于多層前饋神經(jīng)網(wǎng)絡(luò)，應(yīng)用范圍較廣、處理速度快[21].本研究利用多層感知模型對(duì)訓(xùn)練組紋理參數(shù)進(jìn)行學(xué)習(xí)、建模后，發(fā)現(xiàn)軸位參數(shù)與矢狀位參數(shù)的診斷效能均較好，明顯高于放射科醫(yī)師基于常規(guī)CT圖像的診斷效率.MUEHLEMATTER等[22]采用多層感知模型結(jié)合紋理分析對(duì)功能不全性椎體骨折進(jìn)行診斷，發(fā)現(xiàn)二者結(jié)合能夠較為準(zhǔn)確的鑒別出正常椎體與骨折椎體，本研究與其結(jié)論大致相符，但所建模型診斷效能較前者稍低(0.85∶0.95)，這可能與MUEHLEMATTER研究中提取常規(guī)骨折椎體紋理而本研究注重于隱匿性骨折椎體有關(guān)，即本研究中隱匿性骨折椎體形態(tài)破壞較普通椎體輕，在CT圖像上骨折椎體的變化小，因此提取出來的實(shí)驗(yàn)組紋理參數(shù)與正常椎體參數(shù)差異較小.此外，與MUEHLEMATTER比較，本研究不僅對(duì)椎體正中矢狀位參數(shù)進(jìn)行了提取，還對(duì)軸位參數(shù)進(jìn)行了提取分析，發(fā)現(xiàn)軸位紋理參數(shù)所建模型AUC略高于矢狀位(0.85∶0.84)，這與診斷工作中矢狀位圖像判斷椎體骨折有優(yōu)勢不同，可能原因是軸位ROI的勾畫選自MRI證實(shí)為有骨髓水腫的層面上，骨質(zhì)破壞相對(duì)顯著.因此，在后續(xù)采用深度學(xué)習(xí)判定椎體隱匿性骨折過程中，應(yīng)注重椎體軸位像的作用.本研究還對(duì)胸椎、胸腰交界處及腰椎3個(gè)部位的正常椎體及骨折椎體參數(shù)分別進(jìn)行了對(duì)比，發(fā)現(xiàn)無論在正常組還是骨折組，三個(gè)部位的軸位及矢狀位紋理參數(shù)差異無統(tǒng)計(jì)學(xué)意義.這與MANNIL[9]的結(jié)果略有不同，該研究發(fā)現(xiàn)不同部位正常椎體的部分參數(shù)有差異，這可能該研究廣泛包含了各個(gè)年齡段的受試者，而本研究中患者主要為老年人，大部分患者均有骨質(zhì)疏松，椎體形態(tài)及受力情況較為一致有關(guān).

本研究存在一定的局限性：(1)本研究僅對(duì)椎體CT軸位及矢狀位平面的二維圖像紋理特征進(jìn)行了提取、分析，未提取冠狀位及三維容積CT紋理進(jìn)行分析；(2)本研究樣本量較小，入組患者大部分為老年人，缺少青少年樣本入組，可能導(dǎo)致實(shí)驗(yàn)結(jié)果存在一定誤差；(3)本研究已將所有存在已知疾病(如骨腫瘤、骨囊腫等)的椎體排除，但是一些其他未知疾病也可能引起骨小梁微結(jié)構(gòu)的變化，導(dǎo)致紋理特征的改變.

總之，本實(shí)驗(yàn)通過CT紋理分析技術(shù)獲取椎體的骨質(zhì)紋理特征，結(jié)合機(jī)器學(xué)習(xí)方法建立了隱匿性骨折的多層感知診斷模型，初步證實(shí)了該模型的診斷效能和價(jià)值.期望擴(kuò)大樣本進(jìn)一步深入研究，有望建立基于CT圖像的智能輔助診斷系統(tǒng)，從而提高椎體隱匿性骨折檢出率，為病人臨床診斷及制定治療方案提供客觀依據(jù).