基于深度學習測量X線片髖關節(jié)外側中心邊緣角和Sharp角評估髖關節(jié)發(fā)育不良

林奕軍，楊光耀，蔣耀先，常曉丹

(1.大連大學附屬中山醫(yī)院放射科，遼寧 大連 116001；2.齊齊哈爾市第一醫(yī)院CT診斷室，黑龍江 齊齊哈爾 161000；3.東北林業(yè)大學信息與計算機工程學院，黑龍江 哈爾濱 150040；4.重慶醫(yī)科大學附屬兒童醫(yī)院放射科，重慶 400014)

髖關節(jié)發(fā)育不良是中青年髖關節(jié)骨性關節(jié)炎的主要病因之一[1]。X線檢查是評估髖關節(jié)發(fā)育的常用方法[2-3]。近年來人工智能在影像學領域的應用不斷深入[4-6]，如基于X線片預測髖部骨折[7]、檢測骨盆骨齡[8]、評估髖關節(jié)脫位[9]等。本研究觀察基于深度學習測量X線片髖關節(jié)外側中心邊緣(lateral center edge, LCE)角和Sharp角評估髖關節(jié)發(fā)育不良的價值。

1 資料與方法

1.1 一般資料 回顧性分析2017年1月—2018年1月384例于大連大學附屬中山醫(yī)院接受雙髖關節(jié)數(shù)字化X線檢查患者(共768側髖關節(jié))，男124例，女260例，年齡20～72歲，平均(46.9±12.3)歲。納入標準：①標準化雙髖關節(jié)正位X線片質量滿足研究要求；②成人患者，骨骺已閉合。排除標準：①髖關節(jié)及骨盆手術史；②髖關節(jié)脫位或骨折；③股骨頭壞死或髖關節(jié)骨關節(jié)炎(Kellgren-Lawrence分級>2)；④其他病變致髖關節(jié)結構改變。

1.2 儀器與方法 囑患者仰臥于Siemens DR Ysio或Shimadzu DR R-20檢查床，伸直雙下肢，雙足內旋10°～15°；攝雙髖關節(jié)正位片，焦片距100 cm，管電壓70～100 kV，管電流160～200 mA，以雙側髂前上棘連線中點與恥骨聯(lián)合上緣連線中點的垂直線為中心線，照射野上界包括髂前上棘、下界包括小轉子。

1.3 圖像分析 分別由具有2年和15年工作經(jīng)驗的影像科住院醫(yī)師和副主任醫(yī)師閱片。

1.3.1 勾畫及標注 采用ITK-SNAP(www.itksnap.org)軟件標注雙髖關節(jié)正位片中的股骨近端輪廓和髖臼關鍵點(圖1)。以NiFTI格式保存標注后圖像，用于神經(jīng)網(wǎng)絡模型訓練。

圖1 勾畫及標注示意圖 A～C.勾畫雙側股骨近端輪廓(紫線)；標注髖臼關鍵點，即雙側髖臼外上緣(紅點)、淚滴下緣(綠點)

1.3.2 建立模型并自動測量角度 將384例數(shù)據(jù)隨機劃分為10份，隨機選取1份作為測試集(十折交叉驗證)、1份作為驗證集，以其余8份作為訓練集。對訓練集進行數(shù)據(jù)增強，包括圖像水平翻轉、旋轉、明暗度變化及隨機裁剪。進行圖像預處理：①對高度<2 560像素的圖像行全0填充至2 560像素，將>2 560像素者裁剪至2 560像素；對寬度進行與高度相同操作，但閾值設置為3 072像素；②將統(tǒng)一為2 560×3 072的圖像縮小至640×768。

采用Dense-U-net分割股骨輪廓和髖臼關鍵點。向PyCharm深度學習平臺中輸入代碼，完成網(wǎng)絡模型訓練，編程程序為Python3.5；使用Keras搭建神經(jīng)網(wǎng)絡框架；通過10次訓練和測試獲得網(wǎng)絡模型對股骨近端輪廓、髖臼外上緣點和淚滴下緣點的預測結果。按照文獻[10]方法確定雙側股骨輪廓上的股骨頭中心坐標，結合4個髖臼關鍵點坐標自動構建LCE角、Sharp角并計算其數(shù)值。

1.3.3 醫(yī)師手動測量角度和評估髖關節(jié)發(fā)育 由上述2名醫(yī)師在圖像存儲及傳輸系統(tǒng)(picture archiving and communication system, PACS)測量LCE角、Sharp角(圖2)，取其平均值作為最終測值；間隔1個月后，由副主任醫(yī)師隨機選取140側髖關節(jié)進行重復測量。診斷髖關節(jié)發(fā)育不良標準[11]：以LCE角<20°為髖關節(jié)發(fā)育不良、20°～25°為交界性發(fā)育不良、>25°為髖關節(jié)發(fā)育正常；Sharp角>45°為髖關節(jié)發(fā)育不良，≤45°為其他。首先根據(jù)Sharp角測量值將髖關節(jié)分為發(fā)育不良和其他，再根據(jù)LCE角測量值將后者分為發(fā)育不良、交界性發(fā)育不良和正常。

圖2 人工測量LCE角、Sharp角示意圖 a線垂直于雙側股骨頭中心連線，b線連接股骨頭中心與髖臼外上緣，a與b之間的銳角為LCE角；c線通過雙側淚滴下緣，d線連接淚滴下緣與髖臼外上緣，c與d之間的銳角為Sharp角

1.4 統(tǒng)計學分析 采用SPSS 23.0統(tǒng)計分析軟件。以中位數(shù)(上下四分位數(shù))表示自動測量結果與手動測量的LCE角、Sharp角，行秩和檢驗，計算均方根誤差(root mean square error，RMSE)和平均絕對誤差(mean absolute error, MAE)。采用Pearson相關性分析觀察自動測量與手動測量結果的相關性；以組內相關系數(shù)(intra-class correlation coefficient, ICC)評估測量結果的一致性，ICC≥0.75為一致性較好。以醫(yī)師手動測量的LCE角、Sharp角作為診斷髖關節(jié)發(fā)育不良/交界性發(fā)育不良的標準，采用受試者工作特征(receiver operating characteristic, ROC)曲線下面積(area under the curve, AUC)評估自動測量LCE角、Sharp角的診斷價值。P<0.05為差異有統(tǒng)計學意義。

2 結果

2.1 角度比較 針對768側髖，觀察者間(ICC為0.886～0.936)和觀察者內(ICC為0.911～0.961)測量結果的一致性均較好。手動測量與自動測量的左、右側LCE角及右側Sharp角差異均無統(tǒng)計學意義(P均>0.05)，而手動測量的左側Sharp角小于自動測量(P<0.05)，見表1。對于左、右側LCE角及左、右側Sharp角，手動測量與自動測量的ICC分別為0.944[95%CI(0.932，0.954)]、0.904[95%CI(0.884，0.920)]、0.890[95%CI(0.812，0.929)]、0.887[95%CI(0.863，0.906)]，相應r值分別為0.948、0.924、0.910、0.887(P均<0.05)，見圖3；其中位RMSE分別為2.31°、3.33°、1.72°、1.63°，中位MAE分別為1.57°、1.73°、1.19°、1.18°。

圖3 手動與自動測量髖關節(jié)LCE角、Sharp角結果的相關性散點圖 A.左側LCE角； B.右側LCE角； C.左側Sharp角； D.右側Sharp角

表1 手動與自動測量雙側髖關節(jié)LCE角、Sharp角結果比較(°，n=768)

2.2 評估髖關節(jié)發(fā)育 768側髖中，醫(yī)師診斷73側(左側33、右側40)髖關節(jié)發(fā)育不良、93側(左側43、右側50)交界性髖關節(jié)發(fā)育不良，其余髖關節(jié)未見明顯異常。基于自動測量診斷髖關節(jié)發(fā)育不良89側，其中64側與醫(yī)師診斷一致，診斷敏感度87.67%(64/73)，特異度96.40%(670/695)，準確率95.57%(734/768)；診斷交界性發(fā)育不良96側，其中62側與醫(yī)師診斷一致，診斷敏感度66.67%(62/93)，特異度94.96%(641/675)，準確率91.54%(703/768)。

ROC曲線結果顯示，自動測量LCE角(閾值為25.24°)和Sharp角(閾值為43.47°)診斷髖關節(jié)發(fā)育不良的AUC分別為0.928和0.906(P均<0.05)，見圖4。

圖4 基于自動測量髖關節(jié)LCE角、Sharp角診斷髖關節(jié)發(fā)育不良的ROC曲線 A.LCE角； B.Sharp角

3 討論

髖關節(jié)發(fā)育不良可誘發(fā)髖關節(jié)骨性關節(jié)炎等疾病，但多數(shù)患者可因無明顯癥狀而造成診治延誤[12]，故影像學篩查非常必要。LCE角和Sharp角是影像學觀察髖關節(jié)發(fā)育情況的主要參數(shù)[13]。既往主要由醫(yī)師手動測量LCE角和Sharp角，存在觀察者間差異，且定位股骨頭中心步驟復雜，可能影響測量準確性及可重復性；而基于人工智能進行自動測量可彌補上述不足。本研究基于深度學習自動測量成人髖關節(jié)LCE角和Sharp角，觀察其用于評估髖關節(jié)發(fā)育不良的價值。

LCE角代表股骨頭外側髖臼的覆蓋程度。AL-BASHIR等[14]采用傳統(tǒng)機器學習自動測量16幅X線片所示雙側髖關節(jié)LCE角，發(fā)現(xiàn)左、右側LCE角的中位MAE分別為4.53°和3.64°。本研究結果顯示，左、右側髖關節(jié)LCE角的中位MAE分別為1.57°、1.73°，誤差相對更低；且醫(yī)師手動測量與自動測量結果的一致性較好，與既往研究[15]結果相近。髖臼邊緣可能影響髖關節(jié)角度測量值。將骨贅納入髖臼邊緣可使LCE角增加[16]。本研究參照文獻[16-17]方法，盡量辨別骨贅，并將排除骨贅后的髖臼外端作為標注點；如不能明確區(qū)分骨贅，則以髖臼的負重硬化區(qū)外端作為標注點，以保證測量結果的準確性。

SAHIN等[18]開發(fā)了一種計算機輔助程序用于測量Sharp角，但僅能定位閉孔中心，用以替代淚滴下緣構建Sharp角。LI等[19]通過自動定位淚滴下緣和髖臼外上緣點而構建并測量的Sharp角與醫(yī)師手動測量結果無顯著差異。本研究結果顯示，手動測量與自動測量的右側Sharp角差異無統(tǒng)計學意義，但手動測量的左側Sharp角小于自動測量，左、右側RMSE分別為1.72°、1.63°，MAE為1.19°、1.18°，ICC為0.890、0.887，即誤差較小且一致性較好，表明自動測量結果接近手動測量值。

交界性髖關節(jié)發(fā)育不良存在一定特征，如股骨頭髖臼覆蓋減少、髖臼外側傾角增大等[20]。本研究首先基于Sharp角>45°確定髖關節(jié)發(fā)育不良，再根據(jù)LCE角判斷其為發(fā)育不良或交界性發(fā)育不良。基于自動測量診斷髖關節(jié)發(fā)育不良的準確率為95.57%，診斷交界性發(fā)育不良的準確率91.54%，表明自動測量用于診斷髖關節(jié)發(fā)育不良及交界性發(fā)育不良具有較高效能。

本研究的主要局限性：①樣本量相對不足，故未能采用傳統(tǒng)數(shù)據(jù)集劃分方式，而選擇十折交叉驗證方法；②為單中心研究，有待多中心研究結果加以驗證；③回顧性分析，未涉及癥狀、體征等臨床資料，僅以影像科醫(yī)師意見為診斷髖關節(jié)發(fā)育不良標準，可能影響結果的準確性。

綜上所述，基于深度學習自動測量X線片所示雙側髖關節(jié)LCE角和Sharp角可用于診斷髖關節(jié)發(fā)育不良。