骨质疏松症是一种代谢性骨病，其特点是骨矿物质密度（BMD）大大降低，导致骨质脆弱和高骨折发生率。与骨质疏松症有关的骨折与死亡风险的增加和残疾调整寿命的损失密切相关。骨量的严重损失是骨质疏松症的主要特征，通常通过测量患者的BMD来检查。目前，双能X射线吸收仪（DXA）是最广泛使用的检查BMD的光谱成像方法；DXA可以在包括腰椎在内的多个皮肤部位的任何一个进行临床评估和诊断。其他检查BMD的方法，如定量计算机断层扫描（QCT）也是常用工具之一，常规胸腹计算机断层扫描（CT）图像结合脊柱椎体检测骨质疏松症的应用已在多项研究中描述。

胸部低剂量CT（LDCT）由于其高灵敏度和低电离辐射暴露，是早期肺癌筛查中最被推荐的方式。标准的LDCT扫描一般覆盖胸椎段脊椎骨的胸段。一项研究评估了基于平均衰减阈值的CT衰减值对骨质疏松症预测的适用性。然而在另一项研究中，这种方法受到许多因素的阻碍，如主观的利益区域（ROI）选择和CT绝对衰减值的扫描器间差异。CT图像的放射学纹理分析（RTA）能够识别人眼无法看到的图像异质性，或通过简单的衰减表征；因此，这种方法可用于诊断目的的成像表征。最近，深度学习（DL）方法的应用，特别是卷积神经网络（CNN），明显改善了椎体识别和分割的诊断工具的性能。因此，DL可以消除人工操作的需要，从而减少放射科医生的工作量以及筛查的总体时间和成本。

近日，发表在European Radiology杂志的一项研究探讨了使用基于LDCT的RTA评估胸椎的骨密度状态，并建立了肺癌筛查中LDCT扫描预测骨质疏松症或骨质疏松症的模型，为临床的快速风险分层及评估提供了技术支持。

本项研究共分析了197名接受LDCT和双能X射线吸收仪检查的患者。首先，利用LDCT训练了一个自动分割模型来划分胸椎体（VB）。其次，利用从椎体中提取的放射学特征开发了一个两级分类器，对每个病人的骨质状况进行分层配对分类。所有的患者最初被分为正常或异常，并将所有骨密度异常的患者随后被细分为骨质疏松症组和骨质疏松症组。通过五倍交叉验证对分类器的性能进行评估。

VB自动分割的模型达到了0.87±0.01的Sorenson-Dice系数。此外，两级分类器的接受者操作特征曲线下的面积为0.96±0.01，用于检测异常骨密度（准确率=0.91±0.02；灵敏度=0.93±0.03；特异性=0.89±0.03），用于区分骨质疏松症（准确率=0.94±0.02；灵敏度=0.95±0.03；特异性=0.93±0.03）。一级和二级分类器的测试预测准确性水平分别为0.92 ± 0.04和0.94 ± 0.05。研究方法的总体测试预测准确率为0.90 ± 0.05。

图  三个骨密度等级的骨小梁的说明。上图：量化的VB ROI。下图：直方图均衡化后的相应图像

本项研究表明，将ML分割和RTA结合起来用于基于LDCT扫描的自动骨密度预测是一种可行的方法，对肺癌筛查期间的骨质疏松症筛查具有重要的临床价值。

原文出处：

Yung-Chieh Chen,Yi-Tien Li,Po-Chih Kuo,et al.Automatic segmentation and radiomic texture analysis for osteoporosis screening using chest low-dose computed tomography.DOI:10.1007/s00330-023-09421-6