安健负重锥束CT何以实现脊柱精准分割：华西团队联合安健科技深度揭秘脊柱精准分割深度网络学习模型

发布时间：2025-06-23

近期，四川大学华西医院科研团队与深圳市安健科技股份有限公司联合开展关于《Deep Learning-Based Segmentation of Gravity-LoadedHuman Spine》的研究，该研究依托安健科技自主研发的站立位锥束CT成像系统，结合深度学习算法，制定并验证了一套骨关节的自动分割流程。该流程能够在负重状态下高效识别脊柱、骨盆和股骨头等关键解剖结构。研究不仅显著提升了骨关节结构识别的效率与精度，还为疾病的早期诊断、术前规划及个性化治疗提供了可靠的技术支持。

研究成果发表于国际知名科研期刊 JoVE（Journal of Visualized Experiments）。JoVE 是世界首个结合视频演示与学术出版的期刊，致力于通过影像形式呈现生物学、医学、化学、物理等领域的研究过程与成果。该期刊通过多形式的展现方式，提升科研工作的可重复性和传播性，广泛应用于教学、研究和临床培训。本研究通过JoVE展示了基于深度学习和负重锥束CT技术的脊柱、骨盆等部位的自动分割和测量流程，进一步促进了智能影像分析在精准医学中的应用。

脊柱的生理结构和力学状态在重力负载下尤为关键，尤其在评估如脊柱侧弯、退行性椎间盘病等疾病时，对站立位的结构信息具有重要临床意义。然而，目前广泛使用的CT和MRI大多在仰卧位获取，无法真实呈现脊柱在自然站立状态下的形态变化，影响诊断的准确性和治疗决策的制定。

负重锥束CT技术作为一种新型成像方式，能够在患者站立负重状态下获取高分辨率的三维影像，为评估脊柱排列提供了更接近实际生理状态的数据支持。但其图像处理过程复杂，并且传统人工分割方式耗时高、主观性强，难以满足临床对效率和一致性的需求。
因此，一种能够高效、精准且自动处理负重锥束CT影像的分割方法，成为推动脊柱断层影像分析的关键方向。基于这一需求，本研究结合深度学习算法，构建了用于三维脊柱结构分割的U-Net网络模型，为脊柱结构识别和后续临床参数测量提供技术支持。

本研究以真实患者在站立状态下拍摄的全脊柱影像为基础，设计了一整套从图像获取到自动分割、参数自动测量的智能处理流程，目标是实现对脊柱及其周围结构的快速、准确识别。

（安健科技负重锥束CT设备）

研究依托于深圳市安健科技股份有限公司自主研发的立位锥束CT设备，对患者全脊柱进行扫描，确保图像范围覆盖从颈椎到股骨头的全部脊柱结构。在图像采集过程中，患者通过安全带辅助固定，保持稳定站姿以避免图像模糊。

随后，研究人员通过医学图像软件对脊柱、骨盆和股骨头进行多视图人工标注，形成模型训练所需的准确样本数据。深度学习模型采用目前主流的三维U-Net架构，通过残差连接和注意力模块增强了模型的特征学习能力。通过500轮训练迭代，模型不断优化自身参数，最终可自动识别CBCT影像中各关键解剖区域，并输出结构清晰的三维分割结果。