腿长不符（LLD）是小儿整形外科的常见问题。LLD与骨科疾病和生物力学变化有关。已有研究探讨了LLD作为生物力学障碍和肌肉骨骼疾病的诱发因素的作用，例如步态偏离、脊柱侧弯、下腰痛和骨关节炎等。因此，准确、可靠的定量LLD对于制定作家的治疗方案至关重要。

在临床上，LLD可以通过间接方法（提举块）或直接方法（卷尺测量）进行测量，但临床更倾向于应用影像学手段，其中x线片是测量LLD的标准方法。但是，对x线片进行LLD的手动测量十分费时、费力，同时LLD对于儿科专业放射科医师而言在认知上十分简单，这意味着在这一方面放射科医师的时间和专业知识的使用效率并不高。据我们所知，尚无有关LLD的计算机辅助自动测量的相关研究。

近日，发表在Radiology杂志的一项研究将深度学习(DL)算法对儿科患者进行的LLD测量结果与放射科医生进行的测量结果进行了比较，为临床快速、准确的定量LLD提供了技术支持。

本项回顾性研究评估了2018年1月至8月期间LLD患儿的x线片。通过图像分割，通过使用计算腿长的方法自动测量LLD。在训练数据上，将一个DL模型放置在x线片上进行分割股骨和胫骨的训练。利用验证集选择优化模型。在测试数据上，通过分割掩模计算得出腿部长度，并与影像学报告的测量值进行比较。使用配对Wilcoxon符号秩检验进行统计分析进行DL计算值和影像学报告测量值的比较。另外，随机选取26例患者，由放射科医师手动评估测量时间，并采用DL模型自动评估测量时间，并将结果与配对的Wilcoxon符号秩检验进行比较。

对179名儿童（平均年龄±标准偏差，12岁±3；年龄范围，5-19岁； 89名男孩和90名女孩）的X线片进行了评估。将X线片随机分为训练集、验证集和测试集。在训练和验证集中，DL模型显示了小腿的手动和自动分割蒙版之间的高度空间重叠（Dice相似系数，0.94）。对于测试集，影像学报告与DL计算的股骨和胫骨长度（r = 0.99;平均绝对误差[MAE]，0.45 cm）、儿童腿全长（r = 0.99; MAE，0.45 cm）及全LLD（r = 0.92； MAE，0.51厘米）之间的相关性很高（P均 <.001）。对每张X线片使用DL方法的计算时间比放射科医生手动计算的平均时间更快（分别为1秒vs 96秒±7; P <0.001）。

 

图 粗略和精细分割图像。 A，通过将X线片分成左腿图像和右腿图像进行粗略分割。B，股骨和胫骨的精细分割。

 

表 影像学报告与深度学习计算之间的相关性。

本研究证明了在x线片上使用深度学习算法测量儿童腿部长度是一种自动化的且快速执行的可靠手段，这一技术将有助于放射科医生更有效地利用时间和专业知识，为临床提供了一个实用性极强的人工智能手段，同时也为进一步的相关研究开辟了道路。

原文出处：

Qiang Zheng,Sphoorti Shellikeri,Hao Huang,et al.Deep Learning Measurement of Leg Length Discrepancy in Children Based on Radiographs.DOI:10.1148/radiol.2020192003