基于深度学习的儿童骨盆X线片质量控制模型的构建与应用.pdf

文章编号：1671-7104(2024)02-0144-06基于深度学习的儿童骨盆X线片质量控制模型的构建与应用【作者】刘峙辰，林锦聪，谢坤杰，沙佳，陈旭，雷伟，黄鲁豫，严亚波空军军医大学西京医院骨科，西安市，710032【摘要】目的提出一种基于深度学习的儿童骨盆正位X线片质量评估方法，构建诊断模型并验证其临床可行性。方法回顾性收集3247例儿童骨盆正位X线片，随机分为训练数据集、验证数据集及测试数据集。构建人工智能模型，评估质量控制模型可靠性。结果模型的诊断准确率、ROC曲线下面积、灵敏度及特异度分别为99.4%、0.993、98.6%和100.0%。模型的骨盆倾斜指数95%一致性界限为0.0520.072；骨盆旋转指数95%一致性界限为0.0880.055。结论该研究首次尝试将AI算法应用于儿童骨盆X线片的质量评估，并显著改善了儿童发育性髋关节发育不良的诊疗现状。【关键词】发育性髋关节发育不良；骨盆X线片；人工智能；软件【中图分类号】R197.39；R445【文献标志码】Adoi:10.12455/j.issn.1671-7104.240010Development and Application of Deep Learning-Based Model forQuality Control of Children Pelvic X-Ray Images【Authors 】LIUZhichen,LINJincong,XIEKunjie,SHAJia,CHENXu,LEIWei,HUANGLuyu,YANYaboDepartmentofOrthopaedics,XijingHospital,AirForceMedicalUniversity,Xian,710032【Abstract 】ObjectiveAdeeplearning-basedmethodforevaluatingthequalityofpediatricpelvicX-rayimagesisproposedtoconstructadiagnosticmodelandverifyitsclinicalfeasibility.Methods Threethousandtwohundredandforty-sevenchildrenwithanteropostericpelvicradiographsareretrospectivelycollectedandrandomlydividedintotrainingdatasets,validationdatasetsandtestdatasets.Artificialintelligencemodelisconductedtoevaluatethereliabilityofqualitycontrolmodel.Results Thediagnosticaccuracy,areaunder ROC curve,sensitivity and specificity of the model are 99.4%,0.993,98.6%and 100.0%,respectively.The95%consistencylimitofthepelvictiltindexofthemodelis0.0520.072.The95%consistencythresholdofpelvicrotationindexis0.0880.055.ConclusionThisisthefirstattempttoapply AI algorithm to the quality assessment of childrens pelvic radiographs,and has significantlyimprovedthediagnosisandtreatmentstatusofDDHinchildren.【Key words】developmentaldysplasiaofthehip(DDH),pelvicX-rayimages,artificialintelligence,software0引言引言儿童发育性髋关节发育不良（developmentaldysplasiaofthehip,DDH），因早期临床表现不典型、单纯的理学检查很难发现，常要借助影像学检查诊断1。骨盆正位X线检查是股骨头次级骨化中心出现后（46月龄）儿童DDH的首选影像学检查2-4。正确诊断DDH依赖于髋关节参数的准确测量，而参数测量会受骨盆正位X线片质量（即骨盆正位X线片是否标准）的影响。然而，标准检查体位要求较高，婴幼儿常很难配合，故“非标准”骨盆正位X线片在临床上并不少见。因此，DDH诊断前针对骨盆正位X线片是否标准进行判定（即骨盆正位X线片的质量评估）就显得格外重要5。目前，筛选“标准”骨盆正位X线片（即骨盆正位X线片的质量评估）仅有人工判定（即临床医生手动测量）的方法。该方法不但耗时费力，而且对专业要求相对较高（需要标注骨性关键点、绘制数条参考线、依据闭孔形态估算闭孔纵径及横径、计算骨盆倾斜指数（pelvictiltindex,PTI）与骨盆旋转指数（pelvicrotationindex,PRI），并依据参考值收稿日期：2024-01-07作者简介：刘峙辰，E-mail:通信作者：严亚波，E-mail:ChineseJournalofMedicalInstrumentation2024年48卷第2期医 学 人 工 智 能144范围做出最终判断），估算闭孔横/纵径时可能存在较大误差，从而导致误诊误治。本研究提出一种测量闭孔横/纵径的通用算法，并基于卷积神经网络框架开发一款高效的骨盆正位X线片质量评估工具，以期能够快速、准确地分析和评估骨盆正位X线片标准质量，为今后的临床医生正确诊断儿童DDH提供必要的保证。1材料与方法材料与方法1.1研究对象该回顾性研究空军军医大学西京医院伦理委员会批准，由放射科匿名收集2014年1月2022年6月共10163例4月12岁儿童骨盆正位X线片影像资料。具体的排除标准如下：既往骨盆或髋关节手术史；创伤性/感染性髋关节畸形；其他先天性髋关节畸形（如Perthes病、先天性髋内翻等）；图像曝光过度/模糊致骨性关键点识别困难。最终纳入3247例儿童骨盆正位X线片，采用Excel的随机数表法按照约811的比例将其分为训练数据集、验证数据集以及测试数据集，具体分布情况如表1所示。1.2基于闭孔形态的儿童骨盆X线质量评估标准“标准”骨盆正位X线片是指双侧闭孔形态基本对称，骨盆前平面与冠状面平行6。TNNIS等7与BALL等8分别使用PRI及PTI对骨盆正位X线片是否存在骨盆体位异常进行评估，用于筛选“标准”骨盆正位X线片。PRI是指右侧闭孔横径（transversediameterofrightobturatorforamen,Rt）与左侧闭孔横径（transversediameterofleftobturatorforamen,Lt）的比值，参考值为0.561.80。PTI是指一侧闭孔纵径（verticaldiameterofobturatorforamen,Dv）与该侧耻骨联合外侧点至Hilgenreiners线（即H线）的垂直距离（h）的比值，参考值为0.751.20。对于1张输入的儿童骨盆正位X线片，仅当其PTI与PRI测量值均属参考值范围时才判定为“标准”骨盆正位X线片，否则系“非标准”骨盆正位X线片。图1为骨盆正位X线片质量评估示意（黄线Rt表示与H线平行的右侧闭孔最大横径；黄线Lt表示与Rt同水平的左闭孔横径；蓝线Dv表示闭孔纵径；蓝线h表示耻骨联合外上缘至H线的垂直距离；红色虚线H表示与H线平行且与Rt/Lt相交。骨性关键点：1、2为髋臼Y型软骨顶点；3为耻骨联合外上缘；4、5为坐骨支末端点；6、7为耻骨末端点）。右侧闭孔横径左侧闭孔横径闭孔纵径P线hH线H线1234567R图1骨盆正位X线片质量评估示意Fig.1QualityevaluationchartofpelvicX-rayimagesinanuprightposition1.3图像标注使用Colabeler软件（Version2.0.4，KuaiYi-Tech；中国杭州）对训练数据集上的7个骨性关键点及双侧闭孔区域进行标注（见图2）。具体的图像标注方法如下：邀请9名临床医生组成一个临床专家小组，共同研究骨性关键点如何准确定位及儿童骨盆正位X线片的质量评估标准。同样采用Excel随机数表法将2885张儿童骨盆X线片（训练数据集验证数据集）分配给4名中级职称儿童骨科医生进行标注。然后，由2名高级职称儿童骨科医生及2名高级职称儿童放射科医生组成的专家委员会对上述标注图像逐一进行审查。一旦专家委员会发现任意骨性关键点欠妥，则认定为该图像标注不合格。对存在争议的标注图像，将由另一名资深儿童影像专家进行仲裁。对不合格者重新标注，直至符合专家小组的要求。最终，标注合格的骨性关键点表1实际入组病例一般情况及质量评估结果分布Tab.1Generalinformationanddistributionofqualityassessmentresultsofenrolledcases参数总数据集训练集验证集测试集例数（n）32472560325362性别（女男）198912581607953174151208154年龄（平均，95%CI）3.75(0.878.54)4.02(0.729.17)3.54(0.668.21)3.93(0.808.89)骨盆X线片质量评估结果标准（standard）14041079185140非标准（nonstandard）18431481140222ChineseJournalofMedicalInstrumentation2024年48卷第2期医 学 人 工 智 能145坐标信息以单独的.json文件连同相应的骨盆正位X线片共同存储至光盘备用。图2为Colabel软件标注界面及数据标注示意（图中黑点分别代表以下7个骨性关键点）。Y型软骨顶点耻骨联合外上缘Y型软骨顶点坐骨支末端点耻骨支末端点坐骨支末端点图2Colabel软件标注界面及数据标注示意Fig.2Colabelsoftwareannotationinterfaceanddataannotationschematicdiagram1.4构建AI模型1.4.1自动获取关键点信息本研究基于标准的MaskR-CNN（maskregion-convolutionalneuralnetwork）网络框架9进行骨性关键点的检测及闭孔区域的分割，基于此构建人工智能（artificialintelligence,AI）模型，并命名为SN-APR（见图3）。本研究将骨性关键点的检测转换为以骨性关键点为中心的邻域识别任务。SN-APR基本网络框架包括1个ResNet-50-FPN主干网络（用于提取输入图像的特征图）与1个区域建议网络（用于生成建议框）。建议框经RoIAlign层池化后生成特定大小的特征图，分别送入检测头网络classifier分支与mask分支，经过一系列卷积及反卷积，对每个像素点进行分类，实现骨性关键点的检测及闭孔区域的分割。之后，基于关键点坐标信息计算评估指标，通过比对正常参考值以完成骨盆X线片的质量评估。1.4.2自动测算评估指标以骨性关键点邻域区域边界框的中心点作为关键点的预测位置，根据双侧髋臼Y型软骨顶点的位置信息（x,y）计算得到H线的斜率（kH），而P线的斜率为H线斜率的负倒数（kP1/kH）。将分割后的闭孔区域转化为二值图像，获取闭孔轮廓，依据H线与P线的斜率计算闭孔的横径、纵径，结合h值计算PRI与PTI值。将测得的PRI与PTI值与相应的正常参考值（即PRI0.56,1.80，PTI0.75,1.20）进行对比，仅当两者均为正常值时判定该骨盆正位X线片为“标准”骨盆X线片，否则为“非标准”骨盆X线片。1.5模型性能测试由2名资深儿童骨科专业医生（副高以上职称，具有10年以上儿童髋关节疾病临床诊治经验）及2名资深儿童影像专业医生（副高以上职称，具有10年以上儿童骨盆X线片诊断经验）组成临床医生，使用传统的手动测量方法对测试集（362张儿童骨盆正位X线片）是否标准进行判定，并将其无争议的判定结果作为“金标准”以测试AI模型的诊断性能。应用图像分析软件Digimizer（Version5.7.2，MedCalc；Ostend，Belgium）模拟传统的手动测量输入图像特征图地标检测质量评价结果1 024768RolAlign77256771 024141425633256RolAlign111 024282825628289num_classes=9classboxmaskconvconvconvconv4deconv图3SN-APR基本网络框架Fig.3SN-APRbasicnetworkframeworkChineseJournalofMedicalInstrumentation2024年48卷第2期医 学 人 工 智 能146方法。具体的操作步骤如下：标注骨性关键点；绘制辅助诊断线（包括H线、H线和P线）；依据双侧闭孔轮廓估算Rt、Lt、Dv及h；依据公式计算PRI和PTI值；对比正常值范围做出最终判定（即“标准”或“非标准”骨盆正位X线片）。需要注意的是，在实际测量闭孔横径与纵径时，需要依据闭孔形态剔除闭孔未闭合区域，以免造成人为的测量误差。详细记录AI模型与临床医生对测试集中每张骨盆正位X线片的性能测试结果，主要包括：参数测量值（PTI和PRI）；X线片质量评估结果（“标准”或“非标准”）；诊断用时（秒/张，包括提取图像、标注关键点、绘制标线、测量参数、对比参数值得出诊断结果）。1.6统计学方法应用受试者工作特征曲线（receiveroperatingcharacteristiccurve,ROC），准确率（真阳性真阴性）/（真阳性真阴性假阳性假阴性），灵敏度（sensitivity）真阳性/（真阳性假阴性），特异度真阴性/（假阳性真阴性）等评价本模型在骨盆正位X线片质量评估中的表现。同时，应用Bland-Altman图（Bland-Altmanplot）及t检验（t-test）进一步评价AI模型与临床医生之间客观参数（PTI&PRI）测量的一致性。所有数据处理及统计学分析均采用SPSS（Version28.0，IBM；Armonk，United States）与 GraphPad Prism（Version 9.3.1，GraphPad；SanDiego，UnitedStates）软件。2结果结果2.1模型效果评估AI模型与临床医生对测试集进行参数测量及质量判定。依据TNNIS和BALL的质量评估标准，测试结果被分为：标准组（无骨盆异常体位）与非标准组（存在骨盆倾斜或旋转），结果如表2所示。其中，2例（No.2994、No.3237）经临床团队判定为“标准”骨盆正位X线片，却被AI模型诊断为“非标准”骨盆正位X线片（见表3）。图4展示了AI模型对不同闭孔类型骨盆正位X线片的质量评估结果，以临床医生的评估结果为“金标准”，AI模型的诊断准确率、灵敏度、特异度及ROC曲线下面积分别为99.4%（360/362）、98.6%（138/140）、100.0%（222/222）和0.993（见图5）。AI模型和临床医生的PTI和PRI测量结果对比如图6所示。与临床医生的测量结果相比，本模型的PTI测量值的95%CI为0.0520.072（Bias=0.010，P0.633）；PRI测量值的95%CI为0.0880.055（Bias=0.016，P0.333）。表2测试集中骨盆X线片质量判定结果汇总Tab.2SummarytableofqualitydeterminationresultsforpelvicX-raysintestsetAI模型判定结果临床团队判定结果合计标准非标准标准1380138非标准2222224合计140222362表3两例AI模型误判病例Tab.3TwocasesofAImodelmisjudgment参数病例1病例2序号29943237性别男男年龄/岁3.252.70临床医生PTI0.7580.756Dv*79.04106.57h*104.27141.03PRI0.9580.650Rt*66.8985.28Lt*69.84131.25结果标准标准AI模型PTI0.7330.733Dv*83.00104.02h*113.24141.90PRI0.9730.638Rt*71.0183.02Lt*73.01130.03结果非标准非标准注：*表示计算PTI与PRI值均以“像素（pixel）”为单位。(a)1.6岁，女性，2型闭孔(a)1.6 years old,female,type 2 obturator(b)1.6岁，男性，3型闭孔(b)1.6 years old,male,type 3 obturator(c)3.8岁，男性，4型闭孔(c)3.8 years old,male,type 4 obturatorChineseJournalofMedicalInstrumentation2024年48卷第2期医 学 人 工 智 能1472.2诊断用时每张骨盆正位X线片质量评估的诊断用时，包括：加载图像数据至AI模型或Digmizer手动测量软件、标注骨性关键点、绘制辅助标线、估算PTI和PRI以及输出质量判定结果。在测试集中，模型的平均诊断用时(3.790.15)s明显少于传统方法(113.963.91)s，P0.001（见图7）。3讨论讨论骨盆正位X线片的预先质量评估（检测潜在的骨盆位置异常）是正确阅片的关键，亦是提升儿童DDH影像学诊断可靠性的必要前提5。本研究基于MaskR-CNN神经网络算法提出一种新的儿童骨盆正位X线片质量评估方法，能够高效、准确、自动地对输入图像是否标准进行分析，为临床医生正确诊断儿童DDH提供有力保障。诊断用时/s临床医生AI模型临床医生AI模型120*113.96100203.790图7临床医生与AI模型平均诊断用时对比（柱形散点图，P0.001）Fig.7ComparisonofaveragediagnostictimebetweenclinicaldoctorsandAImodels(histogramscatterplot,P0.001)实验结果表明，本研究提出的骨盆X线片质量评估方法（即AI质量评估模型）在判定骨盆异常体位方面与临床专家高度一致，比传统方法更加高效。与此同时，本模型还能对输入图像的成像质量进行评估，可剔除低质量的不合格图像并建议临床医生复查。在362例儿童骨盆X线片的测试集中，模型的准确率达99.4%，灵敏度达98.6%，特异度达100.0%；仅出现2例误判（因模型低估了PTI、将其评定为“非标准骨盆X线片”）。其中1例因坐骨支明显重叠致右侧髋臼Y型软骨顶点识别困难；另1例因右侧闭孔内下缘欠规则（局部存在骨性凸起）致实际测得的闭孔纵径偏小。然而，上述2例的原始图像经适当裁剪后再次送入AI模型，其参数测量值与评估结果均得以纠正。我们推测可能的原因是：原始图像经裁剪后有助于AI模型提取骨性关键点邻域的局部特征；训练集中可能存在较多的类裁剪后图像的骨盆X线片。因此，对于一些棘手的病例，我们建议对图像中的非必要部分进行适当裁剪以提高模型识别的准确率。在测试集中，儿童骨盆X线片的不合格率（即“非标准”率）较高，达到61.3%（222/362）。其中，218例存在明显的骨盆倾斜（PTI=0.6700.328），1例存在明显的骨盆旋转（PRI2.108），3例存在明显的骨盆倾斜与旋转（PTI=0.6240.040，PRI1.7531.160）。我们推测可能是因为患儿衣裤厚度不一、(a)1.6岁，女性，2型闭孔(a)1.6 years old,female,type 2 obturator(b)1.6岁，男性，3型闭孔(b)1.6 years old,male,type 3 obturator(c)3.8岁，男性，4型闭孔(c)3.8 years old,male,type 4 obturator图4临床医生（左）与AI模型（右）对X线片的质量评估Fig.4Clinicaldoctors(left)andAImodels(right)forevaluatingthequalityofX-rayimages1.00.80.60.40.2000.20.40.60.81.01-特异度灵敏度AUC=0.993(0.9780.999)AI模型图5临床医生与AI模型的质量判断结果对比（ROC曲线）Fig.5ComparisonofqualityjudgmentresultsbetweenclinicaldoctorsandAImodels(ROCcurve)0.20.100.10.20.20.100.10.2012301230.0550.0160.0880.0720.0100.052PRI差异平均PRIPTI差异平均PTI图6临床医生与AI模型的PTI和PRI测量结果（Bland-Altman图）Fig.6ComparisonofPTIandPRIofclinicaldoctorsandAImodels(Bland-Altmanplot)ChineseJournalofMedicalInstrumentation2024年48卷第2期医 学 人 工 智 能148身体并未完全平躺甚至检查者经验不足等诸多因素引起骨盆前后倾斜。这就提示临床医生在骨盆X线检查过程中以及阅片诊断时均需密切留意潜在的骨盆倾斜情况。本研究通过检测骨盆正位X线片有无明显的骨盆前后倾斜（矢状位）或旋转（水平位）评估骨盆X线片质量。判定骨盆旋转时，选用的评估指标是骨盆旋转指数（PRI）10。PRI在提出之初，其定义及具体的测量方法不甚明了。TYRRELL等11对PRI测量时如何选取闭孔横径加以明确，即双侧横径系闭孔的最大水平宽度。然而，骨盆正位X线检查时，由于骨盆冠状位存在潜在的左右侧倾，上述条件可能难以满足。当发生骨盆侧倾时，骨盆X线片的水平线位置发生偏移，导致其与H线并不平行，此时，若盲目地凭借水平线来测算闭孔横径或纵径，会大大降低参数测量的有效性。因此，我们建议将H线作为参考线来辅助估算闭孔横径及纵径。本研究中，判定骨盆前后倾斜的指标是BALL等8提出的骨盆倾斜指数（PTI），而非TNNIS等12提出的耻骨联合坐骨角（symphyseal-ischialangle，SIA），具体原因如下：SIA是由2条经耻骨联合外上缘至两侧坐骨最高点的切线（其远端至骨盆上口）形成的夹角。由于投射成像的局限性，坐骨最高点容易受耻骨上支遮挡，尤其骨盆发生前后倾斜时。我们在预实验阶段曾邀请多位临床经验较丰富的儿童骨科医生对一组儿童骨盆正位X线片上的SIA进行测量，结果发现不同观察者对该点（即坐骨最高点）的定位存在明显差异，导致不同观察者对SIA的测量结果存在较大的测量误差。或许是出于此方面的顾虑，OZYALVAC等13采用双侧耻骨支上臂（而非坐骨最高点）与耻骨联合点连线的夹角来计算SIA，其测量方法虽能简便易行，但与SIA最初的定义相左（TNNIS等10在SIA提出时就明确指出：构成SIA的两条切线与坐骨最高点相切而非耻骨）。此外，SIA属于年龄依赖性指标，儿童年龄不同（1月龄5岁），其参考值范围为85135。然而，基于骨盆X线片精准地预测儿童的生理年龄是非常困难的。同时，在PTI与PRI实际测量过程中，我们发现两者的测算有多个共同的骨性关键点及参考线（如髋臼Y型软骨顶点、闭孔边缘及H线等），这有利于简化并优化AI模型的运算过程。综合以上分析，本研究最终基于PTI而非SIA来评估骨盆矢状位的倾斜情况，构建标准化判定模型。4结论结论综上所述，本研究提出的儿童骨盆正位X线片质量评估的新方法是首次尝试将人工智能算法应用于儿童骨盆X线片的质量评估，不仅高效而且具有良好的一致性。本方法可应用于医学影像的PACS系统，实现对儿童骨盆正位X线片成像质量的实时评估，能够有效规避儿童骨盆正位X线片阅片时的盲目性，将显著改善儿童DDH的诊疗现状。本研究自动质量评估方法的初步成功，为今后开发儿童髋关节疾病智能化综合影像诊断系统奠定了基础。参考文献LITRENTAJ,MASROUHAK,WASTERLAINA,etal.UltrasoundevaluationofpediatricorthopaedicpatientsJ.JAmAcadOrthopSurg,2020,28(16):e696-e705.1BRACKENJ,TRANT,DITCHFIELDM.Developmentaldysplasiaofthehip:controversiesandcurrentconceptsJ.JPaediatrChildHealth,2012,48(11):963-972.2HARCKEHT,LEEMS,SINNINGL,etal.Ossificationcenter of the infant hip:sonographic and radiographiccorrelationJ.AJRAmJRoentgenol,1986,147(2):317-321.3YANG S,ZUSMAN N,LIEBERMAN E,et al.DevelopmentaldysplasiaofthehipJ.Pediatrics,2019,143(1):e20181147.4VANDERBOMMJ,GROOTEME,VINCKENKL,etal.Pelvicrotationandtiltcancausemisinterpretationofthe acetabular index measured on radiographsJ.ClinOrthopRelatRes,2011,469(6):1743-1749.5YANGY,PORTERD,ZHAOL,etal.Howtojudgepelvic malposition when assessing acetabular index inchildren?Three simple parameters can determineacceptabilityJ.JOrthopSurgRes,2020,15(1):12.6TNNISD.Congenitaldysplasiaanddislocationofthehip in children and adultsM.Heidelberg:SpringerBerlin,1987.7BALL F,KOMMENDA K.Sources of error in theroentgenevaluationofthehipininfancyJ.AnnRadiol(Paris),1968,11(5):298-303.8HEKM,GKIOXARIG,DOLLARP,etal.MaskR-CNNJ.IEEE Trans Pattern Anal Mach Intell,2020,42(2):386-397.9TNNIS D.Normal values of the hip joint for theevaluation of X-rays in children and adultsJ.ClinOrthopRelatRes,1976,119(119):39-47.10TYRRELL P N M,KARANTANAS A H,CASSAR-PULLICINOVN.Pelvis/HipPaediatricM/CASSAR-PULLICINOV,DAVIESA.MeasurementsinMusculoskeletalRadiology.Berlin:Springer,2020.11TANNASTM,PFANNEBECKERP,SCHWABJM,etal.Pelvic morphology differs in rotation and obliquitybetween developmental dysplasia of the hip andretroversionJ.Clin Orthop Relat Res,2012,470(12):3297-3305.12OZYALVAC O N,AKPINAR E.Posterior-anteriorprojection of pelvic radiographs in children meets thecorrectpositioningcriteriaJ.IranJRadiol,2020,17(1):e96273.13ChineseJournalofMedicalInstrumentation2024年48卷第2期医 学 人 工 智 能149