摘要
研究背景：近年来随着大数据、云计算等信息技术的发展，泛感知数据和图形处理器的进步，这些都推动着以机器学习为代表的人工智能技术飞速发展，并跨越了诸多科学与应用之间的“技术鸿沟”。尤其在图像智能识别领域，人工智能算法和应用，正逐步走向成熟。在医疗领域，医学影像是临床诊断的重要依据。如何通过机器视觉和人工智能算法，实现对医学影像的智能识别和疾病诊断，也是人工智能应用研究的重要领域之一。在创伤骨科，实现对骨折CT、X光片的智能识别和骨折智能分型，不仅能够减轻医生的工作负担，降低误诊率，而且能够提高基层诊断水平，促进分级诊疗。此外，在地震等自然灾害及战争环境下，短时间内出现大量伤员，人工智能诊断能够加速伤员的诊断和分流，提高救治效率和节约医疗人力资源。 研究目的：本研究以跟骨骨折为研究对象，采用机器学习算法结合影像组学、深度学习神经网络算法，拟构建基于CT与X光片的跟骨骨折人工智能识别和分型的预测模型，并对构建的模型的准确度和应用性进行评价。 研究方法：在第一部分研究中，我们通过对226例跟骨骨折CT，构建三维模型，并绘制跟骨骨折线分布热图谱，可视化地呈现跟骨骨折线的分布特点。同时，结合跟骨解剖结构，尤其是内部骨小梁分布，分析跟骨骨折线分布与跟骨结构的关系，为后续实验提供实验基础。在第二部分研究中，我们首先通过对跟骨骨折和正常跟骨CT影像资料的数字转化和跟骨区域标记，提取影像组学特征后，采用统计学方法和机器学习算法进行特征变量筛选，基于最优化的特征变量，构建跟骨骨折的智能识别模型，并评价模型的准确度。在第三部分研究中，基于跟骨骨折的CT影像资料，由专家对其进行Sanders分型标记后，通过影像组学结合机器学习的方法，构建骨折智能分类模型，并评价模型的准确度。在第四部分研究中，我们基于跟骨骨折的X光片，采用神经网络算法，构建18层的ResNet卷积神经网络，分别对带跟骨标记和不带跟骨标记的X光片构建智能识别模型，并评价最终模型的准确度。 结果：(1)通过跟骨骨折线分布热图，可视化呈现了跟骨骨折线在跟骨六个面上的分布规律和其与跟骨内部结构的关系。(2)我们采用影像组学结合机器学习方法，基于CT影像，构建跟骨骨折智能识别模型，并通过特征变量的筛选优化，首先在最优条件下，保留72个变量，构建预测模型，其预测准确率为96%，正样召回值(敏感度)为92%，负样召回值(特异度)为100%，负样精确度(1-漏诊率)为91%，正样精确度(1-误诊率)为100%，正样f1指数96%，负样f1指数为95%。；之后，简化模型至只保留最重要的六个特征变量，构建预测模型，该模型预测准确率为94%，正样召回值(敏感度)为92%，负样召回值(特异度)为97%，负样精确度(1-漏诊率)为91%，正样精确度(1-误诊率)为97%，正样f1指数95%，负样f1指数为94%。(3)基于CT资料，按Sanders分型(Ⅰ-Ⅳ型)，采用影像组学结合机器学习方法构建的跟骨骨折智能分类模型(四分类)，在测试集上总体预测准确率为53%。各个亚型的预测准确度，Ⅰ型f1-score为0.45，ROC曲线下面积为0.66；Ⅱ型f1-score为0.57，ROC曲线下面积为0.86；Ⅲ型f1-score为0.46，ROC曲线下面积为0.63；Ⅳ型f1-score为0.57，ROC曲线下面积为0.83。(4)采用神经网络ResNet算法，基于跟骨骨折侧位X光片构建预测模型。带跟骨标记的X光片的ResNet预测模型，经15次迭代后准确率稳定在95.5%，f1-score稳定在0.953。不带跟骨标记的X光片，ResNet预测模型经12次迭代后准确率稳定在85%-87%，f1-score稳定在0.833-0.845。 结论：(1)不同类型的跟骨骨折，其骨折部位、粉碎程度、骨折块移位情况虽然存在着较大的差异，但骨折线分布仍有着一定规律性。这种规律性由跟骨内部结构，骨折发生时跟骨与距骨的位置，暴力的大小、方向以及持续时间等多种因素共同决定。形态上的规律性，反映在CT和X光片影像上，就是图像的纹理、灰度、外形和尺寸等影像特征的改变。而影像组学能够用数学方法来计算这些特征。再通过机器学习，掌握影像特征的变化规律，就可以达到计算机智能识别骨折，并对骨折进行分型的目的。(2)影像组学结合LASSO回归与随机森林等机器学习算法，能够实现计算机在CT影像上对跟骨骨折的自动识别。其识别准确率能够满足临床应用需求。(3)采用影像组学结合OneVsRestClassifier等多分类机器学习算法，构建跟骨骨折智能分型模型，准确率一般。其主要原因是：采用的Sanders分型本身的一致性就较低。需通过提高目前已有分型的一致性，或建立一种专用于机器分类的一致性和可重复性高的分型方法，才能提高模型的准确率。(4)采用卷积神经网络ResNet算法，基于X光片建立跟骨骨折的识别预测模型时，若无带跟骨标记，模型的准确度较低；带有跟骨标记，模型其对跟骨骨折的识别准确度高，可满足临床需求。
NETL