安健負重錐束CT何以實現脊柱精準分割：華西團隊聯合安健科技深度揭秘脊柱精準分割深度網絡學習模型

發布時間：2025-06-23

近期，四川大學華西醫院科研團隊與深圳市安健科技股份有限公司聯合開展關于《Deep Learning-Based Segmentation of Gravity-LoadedHuman Spine》的研究，該研究依托安健科技自主研發的站立位錐束CT成像系統，結合深度學習算法，制定并驗證了一套骨關節的自動分割流程。該流程能夠在負重狀態下高效識別脊柱、骨盆和股骨頭等關鍵解剖結構。研究不僅顯著提升了骨關節結構識別的效率與精度，還為疾病的早期診斷、術前規劃及個性化治療提供了可靠的技術支持。

研究成果發表于國際知名科研期刊 JoVE（Journal of Visualized Experiments）。JoVE 是世界首個結合視頻演示與學術出版的期刊，致力于通過影像形式呈現生物學、醫學、化學、物理等領域的研究過程與成果。該期刊通過多形式的展現方式，提升科研工作的可重復性和傳播性，廣泛應用于教學、研究和臨床培訓。本研究通過JoVE展示了基于深度學習和負重錐束CT技術的脊柱、骨盆等部位的自動分割和測量流程，進一步促進了智能影像分析在精準醫學中的應用。

脊柱的生理結構和力學狀態在重力負載下尤為關鍵，尤其在評估如脊柱側彎、退行性椎間盤病等疾病時，對站立位的結構信息具有重要臨床意義。然而，目前廣泛使用的CT和MRI大多在仰臥位獲取，無法真實呈現脊柱在自然站立狀態下的形態變化，影響診斷的準確性和治療決策的制定。

負重錐束CT技術作為一種新型成像方式，能夠在患者站立負重狀態下獲取高分辨率的三維影像，為評估脊柱排列提供了更接近實際生理狀態的數據支持。但其圖像處理過程復雜，并且傳統人工分割方式耗時高、主觀性強，難以滿足臨床對效率和一致性的需求。
因此，一種能夠高效、精準且自動處理負重錐束CT影像的分割方法，成為推動脊柱斷層影像分析的關鍵方向。基于這一需求，本研究結合深度學習算法，構建了用于三維脊柱結構分割的U-Net網絡模型，為脊柱結構識別和后續臨床參數測量提供技術支持。

本研究以真實患者在站立狀態下拍攝的全脊柱影像為基礎，設計了一整套從圖像獲取到自動分割、參數自動測量的智能處理流程，目標是實現對脊柱及其周圍結構的快速、準確識別。

（安健科技負重錐束CT設備）

研究依托于深圳市安健科技股份有限公司自主研發的立位錐束CT設備，對患者全脊柱進行掃描，確保圖像范圍覆蓋從頸椎到股骨頭的全部脊柱結構。在圖像采集過程中，患者通過安全帶輔助固定，保持穩定站姿以避免圖像模糊。

隨后，研究人員通過醫學圖像軟件對脊柱、骨盆和股骨頭進行多視圖人工標注，形成模型訓練所需的準確樣本數據。深度學習模型采用目前主流的三維U-Net架構，通過殘差連接和注意力模塊增強了模型的特征學習能力。通過500輪訓練迭代，模型不斷優化自身參數，最終可自動識別CBCT影像中各關鍵解剖區域，并輸出結構清晰的三維分割結果。