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慢性腰痛的重要因素，也是评估腰椎退行性病变的早期临床表型。核磁共振可清晰地反映不同程度的腰椎间盘退变，但大都局限于定性分析或半自动的定量分析，导致相应椎间盘参量测量的一致性和效率存在局限，因此如何高精度的自动定量椎间盘多项参量，一直是国际上非常具有挑战性的研究课题之一。
近日，上海中医药大学与上海大学研究团队在人工智能医学影像识别与量化方面取得新进展，开发出基于深度学习语义分割网络的椎间盘退变量化分析算法——BianqueNet。该团队对全国4个城市共计1051例人群进行横断面研究，结果表明椎间盘内信号差异与椎间盘退变等级显著相关；再结合对不同人群基线特征（年龄、性别、椎间盘节段）构建不同椎间盘退变等级的参量标准，从而实现不同人群的精准化椎间盘退变自动量化评估，进而构建了基于深度学习的腰椎间盘退变自动量化评估新方法。研究成果以“Deep learning-based high-accuracy quantitation for lumbar intervertebral disc degeneration from MRI”为题发表于《Nature Communications》杂志。
该研究对椎间盘表观遗传学及经筋失衡研究具有指导价值，为颈腰椎退行性病变的诊断和评估提出了新方法。
论文链接：https://www.nature.com/articles/s41467-022-28387-5
注：此研究成果摘自《Nature Communications》，文章内容不代表本网站观点和立场，仅供参考。
免责声明：本网转载自其它媒体的文章，目的在于弘扬科技创新精神，传递更多科技创新信息，宣传国家科技政策，展示国家科技形象，增强国家科技软实力，参与国际科技舆论竞争，提高国际科技话语权，并不代表本网赞同其观点和对其真实性负责，在此我们谨向原作者和原媒体致以崇高敬意。如果您认为本网文章及图片侵犯了您的版权，请与我们联系，我们将第一时间删除。
