基于卷積神經網絡的三維診斷系統在復雜脛骨平臺骨折中的應用

袁鑠慧 蔡明俞佳烽 余佳偉 樓才俊 馮建鉅

脛骨平臺骨折在臨床中較為常見，在全身骨折中占比約1%［1］。根據三柱分型理論［2-3］，將雙柱骨折、三柱骨折歸為復雜脛骨平臺骨折，其常為高能量損傷，關節面骨折呈較嚴重的粉碎性，手術治療的目的應力求恢復脛骨平臺正常的解剖結構。但由于其周圍結構的復雜性，手術中常無法在直視下進行關節面的復位，治療效果也因此受到一定影響［4-5］。因此，術前與術中全面了解骨折的形態類型，是實現精準手術的基礎。本院自主開發了一款基于卷積神經網絡（convolutional neural networks，CNN）算法的骨折桌面級三維重建輔助診斷系統（簡稱三維診斷系統），具有計算機配置要求低、操作簡便、重建速度快等特點，可方便臨床醫師在術前準備及手術操作中識別骨折的立體形態。本文探討三維診斷系統在復雜脛骨平臺骨折中的應用價值，報道如下。

1 資料與方法

1.1 臨床資料 回顧性分析2018年8月至2020年12月本院86例復雜脛骨平臺骨折患者的臨床資料。納入標準：（1）損傷≤2周單側、閉合脛骨平臺骨折；（2）雙柱或三柱骨折；（3）骨折塊間移位＞2 mm；（4）行切開復位內固定手術。排除標準：（1）創傷側肢體存在嚴重血管、神經損傷；（2）嚴重腦外傷或胸腹部外傷；（3）陳舊骨折畸形愈合者或病理性骨折；（4）生命體征不穩定，不能耐受手術；（5）未進行CT檢查者。其中41例使用軟件輔助納入觀察組，45例未使用軟件輔助納入對照組。兩組患者性別、年齡、骨折側別、骨折分型等一般資料差異無統計學意義（P＞0.05），見表1。具有可比性。

表1 兩組患者一般資料比較

1.2 方法 （1）觀察組行常規脛骨平臺骨折切開復位內固定手術并使用軟件輔助，具體方法：①軟件開發：在VS2010開發平臺上，利用微軟基礎類庫（MFC）+OpenGL接口構建軟件的用戶界面與基礎框架與功能：第一，根據DICOM 3.0標準，讀取復雜關節內骨折CT文件中的原始數據；第二，顯示可進行人工定位的二維圖像；第三，窗寬窗位可以利用交互操作進行調節，并實時反饋于圖像。構建與訓練人工智能模型，利用CNN算法進行骨折圖像分割，快速生成可人工交互進行截取、縮放、旋轉等操作的三維重建圖像。②術前處理：兩組所有患者術前均行患側肢體X 線檢查及CT 掃描，給予抬高患肢、止痛等對癥處理、低分子肝素藥物預防下肢深靜脈血栓等。將CT檢查數據導入三維診斷系統，并由主刀醫師根據生成的三維重建圖像制定手術入路、復位及內固定計劃，并將三維重建數據保存備用。③手術治療：行常規脛骨平臺骨折切開復位內固定手術，在手術室中利用三維診斷系統導入術前已保存的重建數據，生成重建圖像，術中根據需要隨時查看。并記錄手術持續時間及術中出血量。④術后處理：術后24 h常規使用抗生素預防感染，若有糖尿病等基礎疾病，或出現切口紅腫者，可根據需要適當延長；并予抬高患肢，消腫對癥治療。（2）對照組：行脛骨平臺骨折切開復位內固定手術，術前處理、手術方法與術后處理均與觀察組一致。

1.3 觀察指標 （1）術中相關指標：比較兩組術中出血量及手術時間。（2）疼痛視覺模擬評分法（VAS）評分：該評分總分1~10分，得分越高表示疼痛程度越強，術后3 d進行評分。

1.4 統計學方法 采用SPSS22.0統計學軟件。計量資料以（±s）表示，組間比較用t檢驗；計數資料以（%）表示，組間比較用χ2檢驗；P＜0.05為差異有統計學意義。

2 結果

2.1 兩組術中相關指標比較 見表2。

表2 兩組術中相關指標比較（±s）

表2 兩組術中相關指標比較（±s）

組別 術中出血量（mL） 手術時間（min）觀察組（n=41） 61.71±51.52 76.12±16.85對照組（n=45） 110.22±35.90 102.96±18.46 t值 -5.103 -7.018 P值 ＜0.001 ＜0.001

2.2 兩組術后3d VAS評分比較 見表3。

表3 兩組術后3天VAS評分比較［分，（±s）］

表3 兩組術后3天VAS評分比較［分，（±s）］

組別 術后3 d觀察組（n=41） 2.80±0.81對照組（n=45） 4.49±1.18 t值 -7.634 P值 ＜0.001

3 討論

復雜脛骨平臺骨折屬于復雜關節內骨折，是創傷骨科中常見的難題之一［6］。由于關節面粉碎性骨折，且移位嚴重，手術應以最大可能復位關節面的結構，并從合適的方向植入堅強的內固定為目的，才能盡量避免創傷性關節炎等遠期并發癥［7-8］。而實現精準手術的前提是，全面了解骨折線的方向，骨折塊的數量和位置，否則會導致遺漏骨折塊復位或復位不滿意，多次復位固定導致骨質變松而無法放置內固定等后果［9-10］。

三維診斷系統能夠在三維立體的角度展示骨折的移位特征，以及各骨折塊之間的相對關系，從而輔助醫師更精準地實施手術［11］；術中遵循既定計劃，既有充分準備、也能使手術操作更加精確，有利于最大程度保護局部血運及骨折愈合，提高骨折復位優良率［12-13］。

本資料顯示，與對照組相比，觀察組術中出血量較少、手術時間較短，且術后3 d，觀察組VAS評分比對照組低，表明三維診斷系統用于輔助診治復雜脛骨平臺骨折，有利于縮短手術時間，減少術中出血，減輕患者痛苦。三維診斷系統，一方面，利用人工智能技術針對復雜關節內骨折進行算法優化，能夠對骨折影像數據進行自動分割，并生成可供人工交互展示的三維重建影像［14］；另一方面，其屬于桌面級軟件，不局限于大型工作站應用，方便手術醫師在圍術期辨識骨折的三維形態，協助精準手術的開展，幫助醫師在骨折復位固定時準確定位、減少不必要的操作，既能減少縮短手術時間也有利于減少因操作不當導致的創傷，減輕患者疼痛［15-16］。留成勝等［17］在懸掛體位治療脛骨平臺后柱骨折中，結合應用數字化技術，使膝關節Rasmussen評分及HSS評分優良率均達到95.2%；周武等［18］應用3D打印技術輔助治療41例復雜脛骨平臺骨折患者，結果顯示與傳統手術相比，3D打印技術能夠提高手術效率、減少術中出血，但在膝關節功能方面無明顯優勢，與本資料結果相似。

綜上，基于卷積神經網絡的三維診斷系統用于復雜脛骨平臺骨折手術，有利于縮短手術時間、減少術中出血量、減輕患者痛苦，具有推廣價值。