近日，我系田应仲教授及其合作者围绕椎间盘退变自动测量难题，提出了一种基于深度学习影像区域分割网络与自动测算方法，并在大样本人群数据基础上构建了腰椎间盘退变量化评价标准，研究成果“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。

腰椎间盘退变分析系统从分割模型测试阶段到数据分析阶段的研究过程流程图

课题组根据腰椎间盘MRI的特点和退变分析的需求，提出了一种适用于核磁共振影像的新型图形分割网络技术方法和改进的基于直方图特征的腰椎间盘退变灰度特征量化方法，结合面积区域的高度特征量化值，实现腰椎间盘退变分析的全自动定量测量。经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。课题组收集了来自北京东直门医院、上海龙华医院、广东省中医院、深圳平乐骨伤科医院共1051份案例的腰椎间盘MRI，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，建立了椎间盘退变的量化标准，实现在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，并实现对椎间盘退变分级精准的判断。

该工作由上海大学、上海中医药大学、上海中医药大学附属龙华医院等合作完成，上海大学为第一署名单位，我系硕士生郑华栋与上海中医药大学附属龙华医院孙悦礼博士为共同第一作者，我系田应仲教授与上海中医药大学王拥军教授为论文的共同通讯作者。本研究得到国家重点研发计划（2020YFE0201600）和国家自然科学基金（81930116、81804115、81873317和81730107）的支持。

论文链接：https://doi.org/10.1038/s41467-022-28387-5 (图文：田应仲)