基于人工智能深度学习的CT-MRI多模态影像自动融合分割技术在前交叉韧带重建术前规划中的应用

作     者：于浩淼 董继祥 李海鹏 王明新 王龙 王耀霆 葛毅 刘星宇 张逸凌 李春宝 YU Haomiao;DONG Jixiang;LI Haipeng;WANG Mingxin;WANG Long;WANG Yaoting;GE Yi;LIU Xingyu;ZHANG Yiling;LI Chunbao

作者机构：中国人民解放军总医院第四医学中心骨科医学部运动医学科北京100089 首都医科大学附属北京友谊医院骨科中心北京100050 清华大学生物医学工程学院北京100084 

出 版 物：《中华骨与关节外科杂志》 (Chinese Journal of Bone and Joint Surgery)

年 卷 期：2025年第18卷第1期

页      面：27-35页

核心收录：

学科分类：1002[医学-临床医学] 100210[医学-外科学(含：普外、骨外、泌尿外、胸心外、神外、整形、烧伤、野战外)] 10[医学] 

主　　题：前交叉韧带重建术 人工智能 多模态影像融合 术前规划 

摘      要：目的:探讨基于人工智能(AI)深度学习算法的CT-MRI多模态影像自动融合分割技术,开发并构建前交叉韧带重建术(ACLR)术前自动规划系统的可行性,以实现ACLR高效准确的术前规划。方法:通过中国人民解放军总医院第四医学中心影像中心得到2023年4月至2024年1月就诊的200例前交叉韧带(ACL)、后交叉韧带(PCL)及半月板正常的膝关节疼痛患者的膝关节CT和MRI影像,由运动医学专业医师对骨皮质、ACL、PCL、半月板等结构进行手工标注,并使用AI深度学习算法对标注图像进行学习,构建CT-MRI多模态影像自动融合分割系统。基于CT-MRI配准融合图像,再次使用AI深度学习技术,强化ACLR股骨、胫骨骨道内外口关键点位的识别,构建ACLR术前自动规划系统。招募12例ACL损伤患者并使用其CT影像,3D打印技术打印其假骨模型并使用ACLR术前自动规划系统对胫骨及股骨骨道位置进行规划,以此为依据在假骨模型上钻取骨道,并对股骨和胫骨骨道长度、关节腔内间距的差异进行统计学分析。结果:CT及MRI多模态影像融合分割后可形成包含骨骼及软组织结构的个体化3D膝关节模型,多模态影像融合精度Dice指数为0.864。ACLR术前自动规划系统进行术前规划的平均时间为(3.0±0.5)min。假骨模拟手术中股骨骨道、胫骨骨道长度及关节腔内间距与术前规划的差异均无统计学意义(P均0.05)。结论:基于AI深度学习的CT-MRI多模态影像自动融合分割技术的ACLR术前自动规划系统更为智能、快速、精准,可显著提高ACLR术前规划能力,有望降低ACLR术后并发症,提升手术效果。