胡爽，梁曉青，章瑤，何通翔，李小明

肩關節(jié)

Wook等開發(fā)和驗證了一種診斷肩關節(jié)上唇前后方(SLAP)病變的方法，即經(jīng)平面超分辨率MRI，通過計算峰值信噪比(PSNR)、均方誤差(MSE)和結構相似指數(shù)(SSIM)對病變進行定量評估，證實該成像技術能夠產(chǎn)生高分辨率的薄層圖像并提高放射科醫(yī)師對SLAP病變的診斷準確性。Khil等利用剪切波彈性成像(SWE)技術計算了肩部肌腱撕裂后岡上肌(SST)的肌肉質(zhì)量，評估和比較了肌肉彈性比與現(xiàn)有肌肉評價指標的相關性及診斷性能，發(fā)現(xiàn)肌肉彈性比與現(xiàn)有肌肉評價指標有中度相關性，且兩者對肌腱修復不全的評價效能相近。Kim等對急性臂叢神經(jīng)炎(Parsonage-Turner綜合征，PTS)患者受累及的肩胛上神經(jīng)(SSN)、長胸椎神經(jīng)(LTN)和腋神經(jīng)(AXN)進行了磁共振神經(jīng)定位成像(MRN)研究，發(fā)現(xiàn)PTS中常見受累神經(jīng)的重度沙漏樣收縮聚集在特定的解剖區(qū)域，猜測這些部位可能是由于生物力學應激或缺血而導致神經(jīng)發(fā)生了沙漏樣收縮。

肘關節(jié)、腕關節(jié)、指關節(jié)

Lund等設計了屈肘外翻外旋(FEVER)MRI視圖用于投擲運動員尺側(cè)副韌帶(UCL)損傷的評價，與常規(guī)MRI相比，F(xiàn)EVER視圖顯示了外翻應激導致的滑車關節(jié)間隙增寬，提供了更多關于肘關節(jié)功能性韌帶的信息，提高了閱片者對UCL的診斷準確性。Park等在3.0T MRI上對肘關節(jié)軟骨行T2-mapping掃描，證實該項技術對肘關節(jié)軟骨成像是可行的。Streif等研究了MR關節(jié)造影(MRA)對橈尺遠側(cè)關節(jié)內(nèi)三角纖維軟骨復合體(TFCC)的中心凹附著區(qū)撕脫(Atzei 3)以及TFCC的掌側(cè)和背側(cè)固定韌帶撕脫的診斷效能，結果顯示MRA可以準確檢測出TFCC的中心凹撕脫，并認為掌側(cè)和背側(cè)韌帶撕裂會增加中心凹脫離的可能性。Booz等比較了雙源CT虛擬無鈣(VNCa)技術與3.0T MRI對急性腕部創(chuàng)傷患者舟狀骨骨髓水腫的診斷價值，發(fā)現(xiàn)雙能CT VNCa重建對舟狀骨骨髓水腫的診斷準確性極高。Heiss等進行了一項活體研究，按照四分Likert評分標準對滑車病變進行分級，比較了3.0T與7.0T MRI對顯示手指滑車關節(jié)斷裂的圖像質(zhì)量和診斷性能，結果顯示3.0T和7.0T的MRI都可以顯示和定性診斷創(chuàng)傷性A2、A3和A4級滑車病變，但7.0T MRI的診斷敏感度更高。

膝關節(jié)

Guermazi等比較了非負重螺旋CT(NWB-CT)和負重螺旋CT(WB-CT)測量的膝關節(jié)間隙平均寬度，發(fā)現(xiàn)兩者之間存在顯著差異，3D定量和WB-CT相結合可以顯示更多的膝關節(jié)骨對骨區(qū)域，而NWB-CT低估了這些區(qū)域，因此WB-CT對于膝關節(jié)間隙狹窄有更高的診斷效能。 Bharadwaj等研究了零回波時間(ZTE)MRI在膝關節(jié)病變診斷中的價值，并與優(yōu)化的擾相梯度回波(SPGR)序列進行了比較，發(fā)現(xiàn)ZTE序列的圖像質(zhì)量和診斷可信度優(yōu)于SPGR，ZTE提高了骨異常病變的診斷水平。

內(nèi)側(cè)髕股韌帶(MPFL)重建移植物不穩(wěn)定時需行翻修手術， Wong等對此類患者的膝關節(jié)MRI圖像進行了評估，發(fā)現(xiàn)與MRI上移植物的直觀位置相比，股骨骨髓腔的位置更能預測是否需要翻修MPFL重建移植物。髕股(PF)間隙是膝關節(jié)間隙中骨關節(jié)炎(OA)發(fā)生率最高的部位，Haj-Mirzaian等評估了OA患者最長髕骨直徑和兩個髁間突后方之間的夾角，即外側(cè)髕骨傾斜角(LPT)，研究了LPT與OA相關特征的關聯(lián)性，結果顯示高LPT值可能預示著外側(cè)髕骨和滑車的骨關節(jié)炎進展，而LPT與內(nèi)側(cè)滑車的軟骨缺損和骨髓病變(BMLS)關聯(lián)不大。 Lavoie-Gagne等進行了一項隨機對照實驗，探索了前交叉韌帶重建術患者的前交叉韌帶(ACL)的MRI信號強度與是否注射含有間充質(zhì)干細胞的骨髓抽吸濃縮物(BMAC)的關聯(lián)性，結果顯示BMAC有使韌帶形成速度加快的作用。

骨腫瘤

硬化性骨轉(zhuǎn)移與良性硬化性骨病變的鑒別非常困難，Azar等研究了CT值在區(qū)分兩種病變中的價值，對照病理結果判斷CT值對于骨良惡性腫瘤的鑒別性能，發(fā)現(xiàn)CT值對硬化性骨轉(zhuǎn)移與良性硬化性骨病變的診斷敏感度和特異度均不高。多發(fā)性骨髓瘤是一種漿細胞來源的惡性骨腫瘤，早期診斷困難，Werner等通過雙源CT虛擬去鈣(VNCa)重建技術診斷多發(fā)性骨髓瘤，將局部病灶狀態(tài)與整體疾病狀態(tài)行相關性分析，發(fā)現(xiàn)VNCa骨髓圖像中局灶性病變的CT衰減值能夠區(qū)分病變的活動性和非活動性，且活動性病變的面積高于非活動性病灶。Gassert等分析了經(jīng)病理證實的良惡性軟組織腫塊的MRI圖像，發(fā)現(xiàn)惡性腫瘤的發(fā)生率與腫瘤體積成正比，且不同腫瘤的發(fā)生部位有差異。

近年來對骨腫瘤的檢查技術不斷優(yōu)化，Schacky等開發(fā)了一種深度學習模型用于X線骨腫瘤的檢測、分割和分類，具有較高的敏感度和特異度。Fayad等比較了各向同性3DT1與2DT1對于骨腫瘤范圍和特征的診斷效能，對腫瘤位置、大小、長度、到關節(jié)的距離、信號強度、邊緣、骨外侵犯等方面進行評估，發(fā)現(xiàn)3DT1與2DT1序列的診斷效能相當，但3DT1序列可以進行各向同性采集和多平面重建，對于骨腫瘤的診斷更加優(yōu)化和便捷。CaiWenli等進行了神經(jīng)纖維瘤病1型胚系突變(NF1)與全身MRI影像特征之間的基因型-表型的相關組學研究，從而確定了NF1突變與影像學特征的基因型-表型相關性。

代謝、功能、定量

骨髓脂肪組織(MAT)參與全身能量的調(diào)節(jié)，MAT分為兩種類型：近端調(diào)節(jié)型(rMAT)和遠端組成型(cMAT)，后者不飽和脂肪酸的含量更高。Bredella等設計了一個短期急劇變化的飲食方案，對參與人員進行腰椎MRI檢測，發(fā)現(xiàn)MRI可以量化MAT的含量和組成，因此可用于評價患者營養(yǎng)狀態(tài)的急劇變化。Gassert等以CT測得的骨密度值(BMD)為基準，評估磁共振質(zhì)子密度脂肪分數(shù)成像(PDFF)對骨質(zhì)疏松性椎體骨折患者的診斷性能，發(fā)現(xiàn)PDFF值與BMD之間存在顯著相關性，骨質(zhì)疏松患者的PDFF值較高，因此磁共振PDFF值可以作為骨質(zhì)疏松癥的生物標志，用于區(qū)分骨質(zhì)疏松性椎體骨折與創(chuàng)傷性椎體骨折。

非霍奇金淋巴瘤(NHL)患者治療期間可以導致骨丟失，引起脆性骨折。Bodden等通過比較NHL患者與健康對照者的椎體CT值，計算每年椎體骨質(zhì)丟失量，研究了椎體密度下降與意外骨折之間的關系，發(fā)現(xiàn)與健康對照者相比，NHL患者的骨丟失顯著加快，且隨著骨丟失的增加，意外骨折的風險更大。Park等回顧性分析了乳腺癌患者椎體疏松與意外骨折之間的關系，并行CT與DXA檢查定量椎體骨質(zhì)衰減，發(fā)現(xiàn)CT與DXA的骨質(zhì)衰減評分有中度相關性，且當CT值≤90HU，DXA評分≤-2.5時發(fā)生意外骨折的風險加大。Laur等采用CT對老年骨盆骨折患者進行成像，按一定的標準定義骨量減少、內(nèi)臟肥胖、肌肉減少等指標，用以找到虛弱患者的異常身體成分指標，結果發(fā)現(xiàn)臨床診斷為虛弱的患者，其肌肉減少、骨質(zhì)減少和內(nèi)臟肥胖發(fā)生的概率較高，隨著虛弱評分增加，患病率也逐漸增加。

骨盆、髖關節(jié)

髖臼唇撕裂是導致髖關節(jié)疼痛的常見原因，手術和保守治療均有效，MRA是其首選的檢查方式。Zoga等研究了相關患者的MRA圖像，在保守組和手術組中進行多變量回歸分析，結果顯示手術組的改善幅度大于保守組，單純性髖臼唇前部撕裂的手術效果更好，而髖臼發(fā)育不良導致的撕裂手術治療效果不明顯，BMI>25的受試者保守治療效果不明顯，提示人口統(tǒng)計學和影像學研究資料可以幫助選擇治療方案。

骶骨不全性骨折(SIF)是一種應力性骨折，是女性下腰痛的常見原因，由于人口老齡化的進展，其發(fā)病率逐年增高。Booz等對102例患者的數(shù)據(jù)進行回顧性分析，評價了彩色編碼雙源CT虛擬無鈣(VNCa)重建對SIF所引起骨髓水腫的診斷價值；以MRI圖像定義參考標準，發(fā)現(xiàn)VNCa重建對于SIF相關骨髓水腫有極高的診斷價值。Stern等對骨盆常規(guī)劑量CT、超低劑量CT、計算機虛擬骨盆X光片(VR)和常規(guī)骨盆X光片(CR)的圖像質(zhì)量和骨盆結構角度測量進行評價，結果顯示CT和ULD-CT都具有良好的圖像質(zhì)量，而CR與VR對骨盆中心-邊緣角和尖角的顯示沒有差異，認為ULD-CT與常規(guī)CT對于骨盆病變具有相似的診斷效能，而CR與VR的角度測量值相似。

Germann等評估了非骨水泥型全髖關節(jié)置換患者2年內(nèi)的MRI圖像，通過對骨髓水腫、骨質(zhì)溶解、骨膜反應、周圍軟組織水腫和關節(jié)積液等指標的評估，發(fā)現(xiàn)置換術后股骨柄和髖臼周圍的骨髓水腫和骨膜反應在術后6個月內(nèi)普遍存在，這可能是正常現(xiàn)象，而超過12個月的周圍軟組織水腫則是異常表現(xiàn)。Khodarahmi等在1.5T與3.0T MRI機器進行去金屬偽影序列成像，研究了髖關節(jié)置換術植入物的加熱反應，發(fā)現(xiàn)在1.5T場強中植入物的加熱程度遠高于3.0T，后者最高加熱溫度處于生理范圍內(nèi)，而1.5T場強內(nèi)的最高溫度超過了生理范圍上限，此外，加熱程度與去金屬偽影技術之間沒有關聯(lián)。

人工智能及影像組學

近年來，人工智能及影像組學已成為醫(yī)學影像研究的熱門，其在骨骼肌肉病變中的應用也越來越多。通過算法的圖像映射技術，將采集的少量信號恢復出與全采樣同樣質(zhì)量的圖像；使用圖像重建技術，將低劑量的CT圖像重建得到與高劑量掃描同樣質(zhì)量的圖像；通過算法的優(yōu)化，降低檢查過程中不必要的輻射劑量。將傳統(tǒng)的人工閱片與深度學習算法相結合，在提高工作效率的同時也增加了診斷準確性。

Mutasa等設計了新型的深度學習系統(tǒng)，對手部X線片舟骨進行定位，并診斷是否存在舟骨骨折，將AI與放射科醫(yī)師的閱片結果進行比較，發(fā)現(xiàn)單純醫(yī)師或單純AI診斷的陽性率均低于兩者結合，提示放射科醫(yī)師在AI的幫助下能提高舟骨骨折的檢出率。Cheng等采用深度學習模型回顧性評估了200例肩袖撕裂(RCT)患者的MRI圖像，發(fā)現(xiàn)該模型對診斷RCT具有較高的敏感度、特異度、準確度，對RCT的分類具有中等診斷水平。Torriani等開發(fā)和驗證了一種深層卷積神經(jīng)網(wǎng)絡(CNN)方法，該方法在選擇特定肩部矢狀位MRI圖像(Y-view)并在Y-view上自動分割肩袖肌肉(RC)具有較高的準確性，可減少診斷誤差，因此可以作為未來自動分割肩袖肌肉系統(tǒng)模型的基礎。Obama等評價了新開發(fā)的深度學習重建(DLR)技術對各種肩部病變的常規(guī)并行成像(PI)和壓縮傳感(CS)成像的圖像質(zhì)量的改善能力，發(fā)現(xiàn)CS檢查時間明顯少于PI，并且DLR能夠顯著提高CS在3.0T MRI上的肩部圖像質(zhì)量。

Bharadwaj等在椎體檢測深度學習模型中使用zero-shot學習方法對全脊柱前后位X線片按冠狀位進行平衡/失衡的分類，分類標準由不平衡分數(shù)(生成的垂線與骶骨正中垂直線之間的距離)決定，并推廣該模型應用于臨床數(shù)據(jù)庫，結果顯示該模型與醫(yī)師報告結果的一致性很高，而且它還適用于臨床的其他數(shù)據(jù)庫，有望推廣至臨床工作中。Lee等建立了腰骶椎X線片骨質(zhì)疏松性骨折風險預測的深度學習模型，與年齡預測骨折風險模型相比，該卷積神經(jīng)網(wǎng)絡模型的預測結果優(yōu)于年齡模型。

Krogue等開發(fā)用于預測髖部X線片骨密度的深度學習模型，該模型被訓練可直接從X線片中檢出骨量減少和骨質(zhì)疏松，且具有較高的準確度。Wook等開發(fā)預測髖關節(jié)平片骨密度的深度放射組學模型，并與放射醫(yī)師的診斷結果進行比較，結果顯示深度放射組學模型的診斷準確度高于放射醫(yī)師，其可在X線片上自動輔助篩選骨質(zhì)疏松區(qū)。Rouzrokh等開發(fā)的從髖部X線片上預測初次全髖關節(jié)置換術后髖關節(jié)脫位發(fā)生的深度學習模型具有較高的敏感度和準確度，該模型有望用于快速識別具有術后脫位風險的患者。Belair等研究了AI對于放射科醫(yī)師診斷的偏倚水平，在膝關節(jié)X線片上評估AI參與時醫(yī)師對膝關節(jié)炎Kellgren-Lawrence分級的情況，發(fā)現(xiàn)放射科醫(yī)師的診斷結果會向AI判讀的方向偏倚，這種偏倚較多發(fā)生在分級中的中間等級。Turk等開發(fā)了一個深度學習模型，可從骶髂關節(jié)X線片中預測骶髂關節(jié)活動性炎癥的發(fā)生，并將該模型與專業(yè)放射醫(yī)師報告結果進行比較，結果顯示在MRI提示活動性炎癥時，該模型僅利用X線片即可預測診斷，遠遠優(yōu)于放射科醫(yī)生對于X線片的診斷效能。

對于骨肌成像而言，小結構的顯示需要更高空間分辨率的支持。Shin等開發(fā)了骨肌結構自動分解轉(zhuǎn)化技術dAUTOMAP(MSK-dAUTOMAP)，對于高度壓縮的稀疏k空間MRI而言，雙倍和四倍加速的高分辨率膝關節(jié)重建MRI表現(xiàn)出更優(yōu)的圖像質(zhì)量和更高的診斷性能。Colak等開發(fā)了遷移學習的深度學習模型，用于膝關節(jié)MRI圖像軟骨的自動分割，經(jīng)過多種數(shù)據(jù)集的學習，該模型的性能不斷提高，能達到與人工分割相似的效果。Fritz等分析前交叉韌帶撕裂患者的MRI圖像，使用人工智能輔助醫(yī)師診斷，發(fā)現(xiàn)兩者結合的診斷水準高于兩者單獨診斷的水平。

Chang等開發(fā)了一種深度卷積神經(jīng)網(wǎng)絡，用于檢出脊柱CT上的硬化性轉(zhuǎn)移瘤，經(jīng)過訓練集和測試集的學習，發(fā)現(xiàn)該卷積神經(jīng)網(wǎng)絡具有輔助識別硬化性轉(zhuǎn)移瘤的潛能。Hong等利用CT放射組學，開發(fā)機器學習模型鑒別骨島與成骨性轉(zhuǎn)移，結果顯示該模型在敏感度、特異度、準確度等方面均較高，從而證實該模型在骨島與成骨性轉(zhuǎn)移病變的鑒別中有一定價值。Crist等開發(fā)了一種卷積神經(jīng)網(wǎng)絡，在多發(fā)性骨髓瘤患者行全身低劑量CT時減少圖像噪音，在降低輻射劑量的同時提高圖像質(zhì)量，該去噪音算法優(yōu)于商業(yè)迭代重建算法。General Zhang等開發(fā)了一種交互式深層神經(jīng)網(wǎng)絡Inter-UNet，用于全身MRI上神經(jīng)纖維瘤病病灶的分割，該網(wǎng)絡獲得的Dice相似系數(shù)(DSC)遠遠超過經(jīng)典的U-net，且用時大大減少，可提高臨床工作效率。

人工智能在臨床工作中的應用越來越廣泛，其在骨肌影像技術及診斷上的研究和應用也在不斷更新和成熟，未來將逐漸成為臨床工作中的一項重要工具。