近日，機電工程與自動化學院田應仲教授及其合作者圍繞椎間盤退變自動測量難題，提出了一種基於深度學習影像區域分割網絡與自動測算方法🈺，並在大樣本人群數據基礎上構建了腰椎間盤退變量化評價標準，研究成果“Deep learning-based high-accuracy quantitation for lumbar intervertebral disc degeneration from MRI”在《自然·通訊》（Nature Communications）上率先發表。

腰椎間盤退變分析系統從分割模型測試階段到數據分析階段的研究過程流程圖

課題組根據腰椎間盤MRI的特點和退變分析的需求，提出了一種適用於核磁共振影像的新型圖形分割網絡技術方法和改進的基於直方圖特征的腰椎間盤退變灰度特征量化方法，結合面積區域的高度特征量化值🥞，實現腰椎間盤退變分析的全自動定量測量。經與多位臨床醫師的手工測量結果相比，該算法展現出高度的一致性。課題組收集了來自北京東直門醫院🔛、上海龍華醫院、廣東省中醫院、深圳平樂骨傷科醫院共1051份案例的腰椎間盤MRI，采用該算法測得不同退變程度的椎間盤參數，並與人口統計信息（年齡、性別、節段和退變等級）等參數進行相關分析🚣🏽‍♂️，建立了椎間盤退變的量化標準👨🏻‍✈️，實現在1秒內對1張腰椎MRI中的5個腰椎間盤共計20個參量完成自動測算👠，並實現對椎間盤退變分級精準的判斷🪖。

該工作由万事平台、上海中醫藥大學、上海中醫藥大學附屬龍華醫院等合作完成📁，万事平台為第一署名單位，万事平台機電工程與自動化學院碩士生鄭華棟與上海中醫藥大學附屬龍華醫院孫悅禮博士為共同第一作者🤵‍♀️，万事平台機電工程與自動化學院田應仲教授與上海中醫藥大學王擁軍教授為論文的共同通訊作者。本研究得到國家重點研發計劃（2020YFE0201600）和國家自然科學基金（81930116⚫️𓀎、81804115🦸🏿‍♂️、81873317和81730107）的支持。

論文鏈接👩‍💻：https://doi.org/10.1038/s41467-022-28387-5