基于独立MRI序列及T1WI+T2WI联合序列组学特征建立的建立3个模型，分别为T1WI、T2WI、T1WI+T2WI模型。将年龄和性别临床因素纳入联合模型3(radiomics_female)而建立的临床影像组学模型4(radiomics+clinical_female)。纳入研究的50例样本均做为训练集来建立模型。每个模型采用5折交叉验证的平均值(mean Predicting accuracy)对模型的诊断性能进行评估，避免模型过拟合。模型评价指标为接受者操作特征曲线下面积、灵敏度、特异度和准确度，模型选择依据决策曲线的标准净收益的大小。研究的技术路线如图1所示。

2.1  受试者一般情况  纳入的50例受试者中，骨质疏松28例，骨量正常22例。骨质疏松组与骨量正常组体质量指数比较差异无显著性意义(P > 0.05)，两组年龄、绝经情况比较差异有显著性意义(P < 0.05)，见表1。

2.2  特征降维及单个序列诊断模型的建立  每个病例图像得到396×3个特征值，经过特征降维， T1WI序列筛选出4个特征，T2WI序列筛选出6个特征，T1WI+T2WI联合序列筛选出4个特征。lasso模型采用十折交叉验证降维。使用T1WI及T2WI序列筛选出来的特征建立逻辑回归模型，绘制2独立序列模型的ROC曲线，见图2。T1WI模型AUC值为0.810，T2WI模型AUC值为0.820，见表2。

2.2  特征降维及单个序列诊断模型的建立  每个病例图像得到396×3个特征值，经过特征降维， T1WI序列筛选出4个特征，T2WI序列筛选出6个特征，T1WI+T2WI联合序列筛选出4个特征。lasso模型采用十折交叉验证降维。使用T1WI及T2WI序列筛选出来的特征建立逻辑回归模型，绘制2独立序列模型的ROC曲线，见图2。T1WI模型AUC值为0.810，T2WI模型AUC值为0.820，见表2。

根据组学标签公式计算出的Radscore值在组间分布具有统计学差异(P < 0.000 1，Kruskal Wallis test)，即Radscore值是进行骨质疏松症鉴别和预测的显著因素，根据Radscore的截断值(Optimal criterion)可将病患分为患骨质疏松的高风险组和低风险组(图3)。联合模型及临床影像组学联合模型的ROC曲线见图4，模型诊断性能参数见表3，可以看出在模型中加入临床特征能以显著提高模型的AUC值。此外加入临床特征后，模型的灵敏度和准确度也有提高，但是会降低模型的特异度。

根据组学标签公式计算出的Radscore值在组间分布具有统计学差异(P < 0.000 1，Kruskal Wallis test)，即Radscore值是进行骨质疏松症鉴别和预测的显著因素，根据Radscore的截断值(Optimal criterion)可将病患分为患骨质疏松的高风险组和低风险组(图3)。联合模型及临床影像组学联合模型的ROC曲线见图4，模型诊断性能参数见表3，可以看出在模型中加入临床特征能以显著提高模型的AUC值。此外加入临床特征后，模型的灵敏度和准确度也有提高，但是会降低模型的特异度。

根据组学标签公式计算出的Radscore值在组间分布具有统计学差异(P < 0.000 1，Kruskal Wallis test)，即Radscore值是进行骨质疏松症鉴别和预测的显著因素，根据Radscore的截断值(Optimal criterion)可将病患分为患骨质疏松的高风险组和低风险组(图3)。联合模型及临床影像组学联合模型的ROC曲线见图4，模型诊断性能参数见表3，可以看出在模型中加入临床特征能以显著提高模型的AUC值。此外加入临床特征后，模型的灵敏度和准确度也有提高，但是会降低模型的特异度。

骨质疏松症是一种以骨量减低、骨组织微结构损坏，导致骨脆性增加、易发生骨折为特征的全身性骨病^[1-2]。随着社会人口老龄化，骨质疏松症和骨质疏松性骨折的发病率不断上升，尤其是老年女性患者^[3-5]，进而导致骨质疏松患者致残率明显增加，给个人、家庭、社会均造成了较大的负担^[6]。

腰椎磁共振(MRI)检查越来越多地被应用于老年女性腰部疼痛检查，临床工作中发现其腰椎常规序列T1WI及T2WI序列信号不均匀增高，有文献报道腰椎MRI信号与骨密度相关^[7-8]。近年来随着医学图像后处理技术的发展，影像组学通过影像图像高通量特征提取并利用高级数据模型算法发现了肉眼无法识别的影像特征^[9-10]，被越来越多的应用于肿瘤及非肿瘤疾病的诊断。在肿瘤性疾病中主要应用于肿瘤的分级诊断、预测转移及术后评估等方面^[11-14]；在非肿瘤疾病方面，应用于对骨骼系统的研究也在逐渐开展。MACKAY等^[15]用10例准备行全膝关节置换术的MR图像进行纹理分析，结果表明其纹理特征与胫骨软骨下骨小梁指标显著相关。AREECKAL等^[16]基于X射线图像纹理分析获得了掌骨皮质及桡骨远端骨松质的纹理特征，认为其可早期诊断骨质疏松症。TABARI等^[17]研究结果表明，基于CT图像的小梁结构纹理分析有助于提供神经性厌食症的腰椎骨质信息。影像组学分析可以挖掘出MRI、CT等图像的高维特征信息，在骨质疏松症的诊断方面具有潜在优势。而采用腰椎常规磁共振图像进行影像组学分析检测骨质疏松的研究尚未见报道。研究探讨基于常规腰椎磁共振影像组学模型评估检测骨质疏松的可能性。

中国组织工程研究杂志出版内容重点：人工关节；骨植入物；脊柱；骨折；内固定；数字化骨科；组织工程

1.1  设计  病例对比分析。

1.2  时间及地点  试验于2018年11月至2019年5月在河北医科大学第一医院完成。

1.3  对象  选择2017年2月至2018年10月河北医科大学第一医院骨质疏松症门诊女性患者50例，年龄40-84岁，平均年龄61.02岁，在MRI检查后1周完成双能X射线骨密度测量检查。试验获得河北医科大学第一医院伦理委员会批准。

排除标准：影响骨代谢的内分泌疾病，影响钙和维生素D吸收的消化道和肾脏疾病，多发性骨髓瘤，免疫性疾病，各种先天和获得性骨代谢异常的疾病，长期服用糖皮质激素或其他影响骨代谢的药物，腰椎体存在骨折、压缩变形等。

骨质疏松诊断标准：采用美国HOLOGIC公司 Discovery-TM型双能X射线骨密度仪测量L_1-4椎体正位骨密度，结果以g/cm²表示，骨密度测量的精确性用变异系数表示，随机选择10例受检者重复测量2次，计算其变异系数为0.98%。扫描的条件是管电压140/100 kV，管电流  2.5 mA。根据WHO推荐，以双能X射线吸收检查结果作为分组标准^[18]，T值≥-1.0 SD为正常， T≤-2.5 SD为骨质疏松。

1.4  方法

1.4.1  磁共振检查  采用美国通用电气公司Signa Twinspeed Excite 1.5T磁共振扫描仪，使用8通道脊柱相控阵表面线圈，仰卧位常规腰椎扫描：矢状位T1WI序列(TR=450 ms，TE=9.1 ms)，矢状位T2WI序列(TR=3500 ms，TE=120 ms)，层厚5 mm，FOV为28 mm×28 mm，矩阵128×128，2次激励，总共扫描11层，从左到右。

1.4.2  图像分割和后处理  影像学诊断医师应用ITK-SNAP软件于T1WI及T2WI序列矢状位图像分别手动勾画。选取中间的5幅连续图像勾画L_2-4椎体，边界沿椎体皮质内缘，剔除椎体的骨皮质、增生及终板变性等异常区，尽量包括椎体。然后分割出感兴趣区域，图像分割、滤波及离散化均在Matlab R2015b平台上操作。

1.4.3  影像组学特征提取及模型建立  采用Artificial Intelligence Kit(AK，GEHealthcare，Life Science，China)软件提取影像学特征，每个序列提取396×3个(T1WI，T2WI，T1WI+T2WI)特征。首先，对特征数据进行预处理，包括使用平均值替换异常值和缺失值，对数据进行标准化，以消除量纲的影响。特征降维采用spearman相关性分析，lasso算法，特征仍显冗余的采用GBDT算法进一步进行降维，用筛选的特征建立逻辑回归模型。

基于独立MRI序列及T1WI+T2WI联合序列组学特征建立的建立3个模型，分别为T1WI、T2WI、T1WI+T2WI模型。将年龄和性别临床因素纳入联合模型3(radiomics_female)而建立的临床影像组学模型4(radiomics+clinical_female)。纳入研究的50例样本均做为训练集来建立模型。每个模型采用5折交叉验证的平均值(mean Predicting accuracy)对模型的诊断性能进行评估，避免模型过拟合。模型评价指标为接受者操作特征曲线下面积、灵敏度、特异度和准确度，模型选择依据决策曲线的标准净收益的大小。研究的技术路线如图1所示。

1.5  主要观察指标  50例受试者的腰椎MRI矢状位T1WI及T2WI序列图像。

1.6  统计学分析  特征提取和特征降维采用AK软件完成。统计分析使用R studio(1.1.463)及SPSS 22.0对临床中的连续变量进行正态性检验(Shapiro-Wilk，P > 0.05)和方差齐性检验(Bartlett检验，P > 0.05)，采用独立样本t 检验(满足正态性和方差齐性检验的情况下)和Kruskal Wallis检验(不满足正态性及方差齐性时)进行两组间的差异比较。对定性变量使用Pearson Chi-Square检验或Fisher精确检验。P < 0.05为差异有显著性意义。

骨质疏松症是以骨量减少、骨质量受损、骨强度减低导致骨脆性增加，临床上受轻微外力容易发生骨折为特征的全身性骨骼系统疾病，临床症状为腰背部或周身的酸痛，负荷增加时疼痛加重。双能X射线骨密度测量目前仍然是骨质疏松诊断的金标准，但其为二维平面投影技术，受腰椎骨质增生、椎小关节退变及主动脉钙化的影响，造成骨密度升高的假象导致骨质疏松诊断不足。此外，双能X射线骨密度测量结果同时包括骨皮质和骨松质的综合测量值，而骨质疏松症早期骨量丢失主要发生在松质骨，因此双能X射线骨密度测量不能反映早期骨量变化^[19]。研究基于MRI 常规序列T1WI及T2WI图像，从腰椎松质骨的三维图像中提取影像组学特征并建立分类模型，结果证明该模型对有无骨质疏松具有良好的分类功能。近年来，无辐射损伤的腰椎MRI检查已成为腰部疼痛的常用影像学检查方法^[20]，在诊断腰椎间盘及椎体病变的同时，利用现有的MRI平扫序列图像进行组学分析，评价患者是否合并骨质疏松症即骨质疏松的机会性筛查，不仅能为骨质疏松诊断提供“省钱省时”的方法，还可避免双能X射线骨密度检查的辐射暴露。

当患者骨量减少或骨质疏松时，骨矿物质含量减少，椎体松质骨骨量减少，骨小梁变细、数目减少、小梁间隙增大，黄骨髓增多，即脂肪含量增加^[21-26]。SCHWARTZ^[27]研究表明骨髓脂肪与骨形成呈负相关。QIU等^[28]研究显示骨内血液循环的减少、血流量及无机成分的减少也是导致骨质疏松的原因之一。椎体的骨髓变化在T1WI序列可以引起椎体信号的增高，椎体的信号强度与骨密度值呈正相关^[8]。

影像组学分析包括直方图和纹理分析。纹理分析是一种通过对感兴趣区域的图像强度进行统计来评估量化像素强度的空间排列的技术，并且可以使用包括X射线片、CT及MRI等不同的成像模式来执行。直方图包括像素的峰度及偏度等，较高的峰度反映直方图比正态高斯分布窄，表明兴趣区像素强度的变化较小，高正偏度说明在直方图中兴趣区像素的分布向左移向CT值低的区域。研究显示，基于CT图像的腰椎骨松质的纹理分析能够反映出骨骼完整性受损^[17]。此次研究显示，基于常规序列T1WI与T2WI序列提取影像特征建立的模型均具有较高的诊断效能，其AUC值分别为0.810，0.820，提示T1WI及T2WI序列均可以提供骨质疏松症的诊断信息。研究共提取396×3个直方图和纹理的特征，经过特征降维，T1WI序列筛选出4个特征，T2WI序列筛选出6个特征，提取特征参数较全面，可以反映椎体骨松质肉眼不可见的骨微结构变化。BURIAN等^[29]采用基于腰椎化学位移成像对女性是否绝经的椎体骨髓采用纹理分析进行鉴别，取得了较好的效果。与之不同的是，此次研究采用的是常规T1WI和T2WI序列，对骨质疏松和骨量正常进行鉴别同样取得了较好的鉴别效果。基于常规腰椎MRI对骨质疏松症的研究，大多数学者采用了T1WI序列，认为其对椎体内脂肪成分的变化敏感^[7-8]。翁子敬等^[30]的研究表明，T1WI、T2WI序列腰椎信号强度均与双能X射线骨密度明显相关。此次研究在T2WI序列提取的组学特性，提供了与T1WI序列同样的鉴别信息，可能的原因为脂肪在T2WI序列上表现为稍高信号，同时T2WI序列对于椎体内其他成分的变化可能更加敏感，例如水分变化、血流变化等。

研究显示，T1WI及T2WI序列的联合提取组学特征建立联合模型的AUC值高于单个序列模型的AUC值，其AUC值达到0.937，其诊断效能高于单个序列组学标签模型。与LECLE等^[31]的研究结果一致，该研究评估泪腺肿瘤患者不同磁共振序列对提取影像组学特征的贡献，认为不同序列会提供不同的特征信息，不同序列的不同信息之间可以相互补充，因此建议用多序列的数据进行分析。

年龄增加和女性雌激素的减少也是骨质疏松症的常见的影响因素^[32-33]。研究把年龄、是否绝经纳入与骨质疏松相关的临床特征，建立临床影像组学联合模型，其AUC值达0.960。从结果看，加入临床特征可有效提高模型的AUC、灵敏度、准确度和拟合优度，但是模型的特异度有所降低。因此作者建议使用临床及组学特征的联合模型对骨质疏松症进行检测。但可能由于收集的数据不足以达到训练完整、有效的深度CNN模型，容易造成过拟合问题，此次研究采用了交叉验证来减少和避免过度拟合问题。

FERIZI等^[34]通过基于股骨颈MRI高分辨率图像数据，采用人工智能预测骨质疏松患者发生骨折的风险，比较了15种分类器，认为RUS增强树、逻辑回归和线性判别法是预测骨质疏松性骨折最好的方法。此次研究采用逻辑回归模型对骨质疏松及骨量正常组MRI图像进行影像组学分析，结果表明模型具有良好鉴别有无骨质疏松的性能。

研究尚存在一定的局限性：单中心数据采集，入组的样本量较小，没有设立验证组，可能存在过度拟合问题，下一步将继续增大样本量，采用多中心数据进行验证；采用手工勾画感兴趣，工作量大、效率较低，且存在一定的人为因素的影响；选常规腰椎MRI序列进行了初步研究，未将其他序列纳入研究，如STIR序列、化学位移序列，或者与其联合应用，将在后续的研究中进行分析。

综上所述，基于常规T1WI及T2WI图像的影像组学分析可以用于骨质疏松症的诊断，而联合序列及临床特征可以进一步提高诊断效应。

中国组织工程研究杂志出版内容重点：人工关节；骨植入物；脊柱；骨折；内固定；数字化骨科；组织工程

文题释义：

骨质疏松症：是一种以骨量减低、骨组织微结构损坏，导致骨脆性增加、易发生骨折为特征的全身性骨病。

影像组学：该概念最早由荷兰学者在2012年提出，其强调的深层次含义是指从影像(CT、MRI、PET等)中高通量地提取大量影像信息，实现肿瘤分割、特征提取与模型建立，凭借对海量影像数据信息进行更深层次的挖掘、预测和分析来辅助医师做出最准确的诊断。影像组学可直观地理解为将视觉影像信息转化为深层次的特征来进行量化研究。

1.对腰椎矢状位T1WI、T2WI序列图像L_2-4椎体中部连续5个层面进行三维的感兴趣的图像分割，多层面的选择，扩展了数据量。

2.使用影像组学分析技术对椎体图像进行分析，采用ROC曲线下面积比较了T1WI、T2WI及T1WI+T2WI序列影像组学诊断模型的诊断效应，认为联合序列诊断效能最优，影像组学分析对骨质疏松症的诊断具有潜在价值。

3.选取临床危险因素年龄和是否绝经为临床特征，与影像组学特征结合，建立临床影像联合诊断模型，其AUC值达到0.960，提高了诊断模型的准确性。

中国组织工程研究杂志出版内容重点：人工关节；骨植入物；脊柱；骨折；内固定；数字化骨科；组织工程#br#