我校王拥军教授团队建立的基于深度学习的腰椎间盘退变自动量化评估新方法发表在Nature Communications
在全球范围内,腰痛作为一个重大的公共卫生问题,给个人和社会带来沉重的负担。腰椎间盘退变被认为是引发这些脊柱退行性疾病的重要因素。然而,因为缺乏自动测量的方法,临床及相关研究大都局限于定性分析水平,缺乏自动化定量测量分析方法。2月11日,我校附属龙华医院及脊柱病研究所王拥军教授(最后通讯作者)、孙悦礼博士(并列第一作者)和上海大学机电工程与自动化学院田应仲教授(共同通讯作者)、郑华栋硕士(第一作者)以及团队其他成员围绕椎间盘退变自动测量深度研究,在国际上首次建立一种基于深度学习影像区域分割网络与自动测算技术方法,并进一步在大样本人群中构建腰椎间盘退变量化评价标准,成果“Deeplearning-basedhigh-accuracyquantitationforlumbarintervertebraldiscdegenerationfromMRI”在《自然·通讯》(NatureCommunications)上率先发表。图1研究成果发表在NatureCommunications从观察到数据:改进深度学习图像分割网络,建立椎间盘核磁影像量化评价原创方法根据腰椎间盘MRI的特点和椎间盘退变量化的