从胸部X线图像估算腰椎骨密度

今天，橙子姐姐带大家看看如何用AI估计骨密度~

骨质疏松症是一种常见的慢性代谢性骨病，由于骨矿物质密度 (BMD) 检查的机会有限，例如通过双能 X 射线吸收测定法 (DXA)，经常被诊断不足和治疗不足。在本文中，我们提出了一种从胸部 X 射线 (CXR) 预测 BMD 的方法，这是最常见且成本最低的医学影像检查之一。我们的方法首先从 CXR 自动检测局部和全局骨骼结构的感兴趣区域 (ROI)。然后开发了一个带有变压器编码器的多 ROI 深度模型，以利用胸部 X 射线图像中的局部和全局信息来进行准确的 BMD 估计。我们的方法在 13719 例 CXR 患者病例中进行了评估，他们的真实 BMD 评分由金标准 DXA 测量。该模型预测的 BMD 与地面实况具有很强的相关性（腰椎 1 的皮尔逊相关系数为 0.889）。当应用于骨质疏松症筛查时，它实现了高分类性能（腰椎 1 的 AUC 0.963）。作为该领域首次使用 CXR 扫描来预测 BMD，所提出的算法在早期骨质疏松症筛查和公共卫生促进方面具有强大的潜力。

骨质疏松症是最常见的慢性代谢性骨病，其特点是骨矿物质密度（BMD）低，骨强度降低以抵抗压力或挤压力。随着人口老龄化和寿命延长，骨质疏松症正在成为一种全球流行病，影响全球超过2亿人[1]。骨质疏松症会增加脆性骨折的风险，这与残疾、死亡、生活质量下降以及家庭和社会的经济负担有关。虽然通过早期诊断和治疗，骨质疏松症可以得到预防或控制，但骨质疏松症在高危人群中经常被诊断不足和治疗不足 [2]。超过一半的功能不全性骨折发生在从未接受过骨质疏松症筛查的个体中 [3]。骨质疏松症的诊断不足和治疗不足主要是由于1）对骨质疏松症的认识不足和2）双能X线骨密度仪（DXA）检查的可及性有限，DXA是目前推荐的BMD测量方式。

在本文中，我们设计了深度学习模型，以使用胸部 X 射线图像估计腰椎骨矿物质密度。我们提出了解剖感知的 Attentive Multi-ROI 模型，该模型可以提取局部骨骼纹理并通过 Transformer Encoder 生成稳健的全局表示。基于地标的 ROI 提取提高了局部特征对扫描变化的鲁棒性。基于自注意力的变压器编码器提高了系统在噪声、遮挡情况下的可靠性。我们提出的 Attentive Multi-ROI 模型在四个腰椎 BMD 任务上表现出良好的性能，并且它做出了有用的骨质疏松症判断。通过广泛的实验和分析，我们表明我们的模型在机会性骨质疏松症筛查和警报方面具有巨大的临床潜力。