uSense:CT AI专刊-17

目的   观察基于深度学习金属伪影校正算法（DeepMAC）用于股骨颈骨折金属内固定术后CT成像的价值。方法   前瞻性纳入接受股骨颈骨折内固定术后CT复查的31例患者，分别采用3种算法对原始CT数据进行重建而得到3组图像，包括以混合迭代重建（HIR）获得的未校正组图像、以HIR联合传统金属伪影校正（MAC）算法获得的MAC组图像，以及HIR联合DeepMAC算法获得的DeepMAC组图像。采用5分法对图像总体金属伪影严重程度、显示内固定物邻近骨骼、诊断软组织病变及股骨头坏死进行主观评价，基于骨骼和肌肉CT值校正分数（CA）及伪影指数（AI）进行客观评价，之后进行组间比较。结果   DeepMAC组总体金属伪影严重程度评分、内固定物邻近骨骼显示评分、软组织病变及股骨头坏死诊断信心评分均高于其余2组（校正P均＜0.05），而骨骼和肌肉CA及肌肉MAI均低于其余2组（校正P均＜0.05），而其骨骼MAI低于未校正组（校正P＜0.05）。结论   DeepMAC用于股骨颈骨折内固定术后CT成像抑制金属伪影能力更优、显示骨骼和软组织更好并能显著提升诊断信心。

股骨颈骨折内固定术后股骨头缺血性坏死发生率约为25%，早期诊断及评估髋周软组织状态对于指导康复和改善预后具有重要意义［1］；但术后CT图像中的金属伪影易掩盖或模拟早期坏死征象，并干扰对软组织病变（如肿胀、积液、感染）的判断。传统金属伪影校正算法（metal artifact correction, MAC）基于投影数据插值或正弦图修补技术以减轻线束硬化伪影，但对几何形状复杂金属物体的校正效果有限［2］。基于深度学习的金属伪影校正（DeepMAC）算法通过构建含金属伪影、传统伪影抑制及理想无伪影的标准化数据集进行训练，直接学习从含伪影图像到理想校正图像的映射关系，可智能识别并有效抑制多种金属伪影［2］，现已用于经皮椎体成形术后CT成像并提升了诊断肌少症效能［3］。本研究观察DeepMAC用于股骨颈骨折金属内固定术后CT成像的价值。

1.1  研究对象   前瞻性纳入2025年6月—2025年9月于河北医科大学第三医院接受股骨颈骨折内固定术后CT复查的31例患者，男12例、女19例，年龄16～75岁、平均（48.6±15.7）岁；基于CT图像诊断4例股骨头缺血性坏死、1例周围软组织感染。纳入标准：①因股骨颈骨折接受闭合复位经皮多枚空心螺钉内固定术；②CT及临床资料完整。排除标准：①图像存在严重运动伪影；②同侧髋关节有植入其他内固定物史；③患侧髋关节存在肿瘤、感染或其他非创伤性骨骼疾病。本研究经医院伦理委员会批准（W2023-008-1）；检查前患者均签署知情同意书。

1.2  仪器与方法   采用联影uCT768 64排CT扫描仪行髋关节平扫，扫描范围自骨盆中部至股骨中上段；参数：管电压140 kVp，开启管电流调制，参考管电流时间乘积200 mAs，螺距0.99，准直宽度40 mm，转速0.8 s/rot。分别采用3种算法对原始数据进行重建，获得以下图像，包括采用混合迭代重建（hybrid iterative reconstruction, HIR）算法获得的未校正组，采用HIR联合MAC获得的MAC组，以及采用HIR联合DeepMAC算法获得的DeepMAC组图像；重建层厚均为1 mm，层间距0.8 mm，矩阵512×512。

1.3  评价图像1.3.1  主观评分   由2名具有5年以上CT诊断经验的影像科主治医师及以上职称医师遵盲法采用5分法［2-3］评价图像，内容包括：①总体金属伪影严重程度；②显示内固定物邻近骨骼情况；③诊断术后软组织病变（肌肉炎症及水肿）信心；④诊断股骨头缺血性坏死信心。2名医师意见不一时协商达成一致。

      聚焦于股骨头中心层面、内固定物所在层面及伪影最严重层面、结合骨窗与软组织窗表现评价总体金属伪影严重程度：最低1分代表伪影极其严重、广泛遮盖目标区域、无法评估解剖结构，最高5分代表几乎无可见伪影、图像清晰［2］。      在骨窗下聚焦于股骨头及股骨头颈交界区域评价显示内固定物邻近骨骼情况，最低1分代表骨骼结构显示极差、骨皮质及骨小梁因伪影严重模糊或中断、无法判断完整性，最高5分代表骨骼结构显示极佳、伪影影响基本消除、骨皮质与骨小梁细节清晰可辨［2］。      分别在软组织窗和骨窗下评价诊断软组织病变和股骨头缺血性坏死信心，最低1分代表无法确定诊断，最高5分代表诊断信心非常高。

1.3.2  客观评价   由1名具有5年以上CT诊断经验的影像科主治医师对3组图像进行客观评价。分别于内固定物附近骨骼内分布广泛的低密度伪影区（伪影最严重区域）、无伪影参考区（相似的骨质区域）及内固定物附近肌肉内低密度伪影区和无伪影参考区，以及体外空气区域共放置5个ROI［4-6］（图1），测量其CT值及其标准差（standard deviation, SD）。计算骨骼和肌肉的CT校正分数（corrected attenuation, CA）和伪影指数（artifact index, AI），二者数值越接近0代表伪影校正效果越好。计算方法见公式（1）、（2）［4-6］

图1   客观评价图像质量位置示意图 A.CT骨窗轴位图，ROI位于股骨内植入物附近低密度伪影最严重区域（红圈）和无伪影区域（黄圈）； B.CT软组织窗轴位图，ROI位于植入物周围软组织内低密度伪影最严重区域（绿圈）、无伪影区域（紫圈）及同层面体外空气区域（白圈）

1.4   统计学分析   采用SPSS 26.0统计分析软件。分别以x±s和中位数（上下四分位数）描述服从与不服从正态分布的计量资料，以频数描述计数资料；分别以单因素方差分析及Friedman检验对其进行组间比较，差异有统计学意义时，分别以LSD法及Wilcoxon符号秩检验进行两两比较。校正后P＜0.05为差异有统计学意义。

2.1  主观评分   3组图像中，DeepMAC组得分最高，MAC组次之，未校正组得分最低（校正P均＜0.05）。见表1及图2、3。

图2   患者女，46岁，右股骨颈骨折术后复查软组织窗轴位及冠状位CT图 未校正组软组织窗轴位图（A）及冠状位图（D）示金属植入物致相邻肌肉内明显低密度伪影（箭），诊断软组织病变信心较低；MAC组软组织窗轴位图（B）及冠状位图（E）示低密度伪影部分减少，但残留伪影仍影响评估（箭）；DeepMAC组软组织窗轴位图（C）及冠状位图（F）示该区域低密度伪影显著减少（箭），可见均匀的液体密度区，诊断为软组织积液    图3   患者女，39岁，右股骨颈骨折术后复查骨窗轴位及冠状位CT图 未校正组骨窗轴位图（A）股骨内高密度（蓝箭）及低密度（黄箭）伪影明显，隐约可见硬化带，冠状位图（D）中股骨头内疑似发现表征坏死早期的硬化带（红箭）及斑片状低密度区（绿箭），诊断信心低；MAC组骨窗轴位图（B）股骨内低密度伪影减少，高密度伪影（蓝箭）仍明显，冠状位图（E）股骨头内隐约可见硬化带（红箭），低密度伪影减少，诊断信心尚可；DeepMAC组骨窗轴位图（C）中股骨头密度均匀，几乎无伪影，冠状位图（F）中股骨头内未见硬化带，几乎无伪影，诊断信心高

2.2  客观评价   骨骼及肌肉CA均在DeepMAC组、MAC组及未校正组间依次升高（校正P均＜0.05）。DeepMAC组骨骼AI低于未校正组（校正P＜0.05），而MAC组骨骼AI与其余2组差异均无统计学意义（校正P均＞0.05）；DeepMAC组肌肉AI低于其余2组（校正P均＜0.05），而MAC组与未校正组肌肉AI差异无统计学意义（校正P＞0.05）。见表2。

股骨颈骨折内固定术后CT中，股骨头坏死初期征象（微囊变、硬化带、骨小梁模糊）易被股骨颈骨折内固定金属所致伪影掩盖或模仿［7］。传统MAC算法用于全髋、颈椎及全踝关节置换术后CT具有一定抑制伪影效果［8-11］，但处理形态复杂、高密度的金属植入物时易产生次生伪影或造成周围结构模糊，对小体积、多枚金属植入物的校正效果欠佳［12］。双能CT虚拟单能算法对大体积单枚假体效果显著，但对小体积、多枚金属所致伪影的抑制效果同样有限。高keV可降低软组织对比度，且需通过个体化选择确定个体最优能级。DeepMAC算法通过大量“伪影无伪影”图像进行训练学习，能更智能地处理多种伪影、保留软组织对比度并降低辐射剂量［2-3］。

股骨颈骨折术后CT成像难点及要点在于股骨颈骨折术后金属植入物体积小、数量多、分布散在；而术后早期检出股骨头缺血坏死及软组织病变具有重要临床意义。本研究将DeepMAC用于股骨颈骨折术后CT，以更真实地反映算法性能，并验证算法对细微结构的还原能力及对病灶检出的影响；主观评分显示，未校正组因高密度伪影线束模仿硬化带并形成斑片状低密度区而降低了诊断信心；MAC算法部分抑制伪影但仍有残余；DeepMAC几乎完全消除股骨内线性高密度伪影，增强了识别早期坏死征象能力，还能改善软组织积液的显示质量，为诊断术后软组织病变及康复评估提供更可靠的影像学依据。

客观评价结果显示，本研究DeepMAC组骨骼、肌肉CA及肌肉AI均显著优于MAC组，但骨骼AI与MAC组无明显差异；分析原因，CA直接反映CT值差异、更为灵敏，而AI基于伪影区与无伪影区标准差差异，灵敏度较低。本研究DeepMAC组骨骼CA低于MAC组，表明其还原伪影区域CT值能力更强、伪影校正效能更优。

综上， DeepMAC用于股骨颈骨折内固定术后CT成像抑制金属伪影能力更优、显示骨骼和软组织更好并能显著提升诊断信心。本研究的主要局限性：①为单中心、小样本分析，且所有数据均来源于同一型号CT设备；②主观评分中，仅基于CT图像评估诊断股骨头坏死信心，未结合其他影像学检查进行综合评估，亦未通过病理结果验证诊断准确性；有待后续通过多中心、大样本研究进一步验证DeepMAC算法在不同扫描条件下的有效性。

［1］ ASNIS S E, WANEK-SGAGLIONE L. Intracapsular fractures of the femoral neck. Results of cannulated screw fixation［J］. J Bone Joint Surg Am, 1994,76(12):1793-1803.［2］ GUO R, ZOU Y, ZHANG S, et al. Preclinical validation of a novel deep learning-based metal artifact correction algorithm for orthopedic CT imaging［J］. J Appl Clin Med Phys, 2023,24(11):e14166.［3］ ZHU D, ZHANG Z, ZOU Y, et al. Experimental and clinical validation of an artificial intelligence metal artifact correction algorithm for low-dose following up CT of percutaneous vertebroplasty［J］. Quant Imaging Med Surg, 2024,14(9):6843-6855.［4］ YOO H J, HONG S H, CHUNG B M, et al. Metal artifact reduction in virtual monoenergetic spectral dual-energy CT of patients with metallic orthopedic implants in the distal radius［J］. AJR Am J Roentgenol, 2018,211(5):1083-1091.［5］ CHAE H D, HONG S H, SHIN M, et al. Combined use of virtual monochromatic images and projection-based metal artifact reduction methods in evaluation of total knee arthroplasty［J］. Eur Radiol, 2020,30(10):5298-5307.［6］ DONG Y, SHI A J, WU J L, et al. Metal artifact reduction using virtual monochromatic images for patients with pedicle screws implants on CT［J］. Eur Spine J, 2016,25(6):1754-1763.［7］ 陈芒芒,蔡晓盛,吕杨训,等.基于CT影像的中青年股骨颈骨折皮质碎片与股骨头缺血性坏死的相关研究［J］.中国骨伤,2024,37(11):1096-1100.［8］ 杨帆,梁译文,邵强,等.MACTM技术在全髋关节置换术后CT去金属伪影中的应用［J］.四川大学学报（医学版）,2020,51(6):828-833.［9］ 潘雪琳,洪静,袁元,等.MAC技术在降低颈椎金属内固定术后CT扫描金属伪影的临床价值［J］.中国医疗设备,2021,36(11):81-85.［10］ 邹萌,李真林,潘雪琳,等.全踝关节置换术后CT复查中MAC技术去金属伪影的临床应用［J］.影像科学与光化学,2023,41(6):332-337.［11］ GJESTEBY L, de MAN B, JIN Y, et al. Metal artifact reduction in CT: Where are we after four decades?［J］. IEEE Access, 2016,4:5826-5849.［12］ KOHYAMA S, YOSHII Y, OKAMOTO Y, et al. Advances in bone joint imaging-metal artifact reduction［J］. Diagnostics (Basel), 2022,12(12):3079.

文献引用：张冉旭,张新彦,相皓月,等.深度学习金属伪影校正算法(DeepMAC)用于股骨颈骨折金属内固定术后CT成像[J].中国医学影像技术,2026,42(4):561-565.

一、团队简介       河北医科大学第三医院医学影像科是国家级临床重点专科、省级骨关节影像技术创新中心、省级医学重点学科、卫生部临床药物试验基地、国家级住院医师规范化培训基地、省级住院医师规范化培训考核基地、硕博士研究生培养点，是集医、教、研为一体的综合性研究型学科。科室实力雄厚，高级职称专家23名，博士研究生导师2名，硕士研究生导师10名。

二、领军人物      赵建，主任医师、教授、博士/硕士研究生导师，医学影像科主任。河北省医师协会放射科分会候任主任委员、中国医师协会放射分会运动创伤专委会委员、中国中西医结合学会医学影像专委会骨关节学组副组长、河北省住培专委会放射科分会主任委员、河北省肝病学会医学影像分会主任委员、河北省医学会放射学分会副主任委员、河北省生物医学伦理审查协会常务理事、河北省生物医学工程学会医学影像工程与技术专委会副主任委员、河北省神经科学学会神经放射学分会副主任委员、河北省儿科学会医学影像学专业委员会副主任委员、中华出版促进会医学出版专委会常务委员。主持省级科研课题8项，其中中央引导地方科技发展资金项目1项，省自然科学基金项目3项。荣获2025年华夏医学科学技术奖三等奖1项，省级科技进步奖二等奖1项，三等奖2项。多本学术期刊编委。

三、设备       科室拥有先进齐全的影像设备，包括联影高端CT，U-HRCT、Siemens高端3.0T生命感知Vida、GE 3.0T Artichet 70cm大孔径静音磁共振，并配有动物专用线圈。

四、科研成果       科室荣获省级科技进步奖二等奖4项，三等奖14项，拥有自主知识产权发明专利5项，实用新型专利16项。近5年来，科室合计发表60余篇SCI论文，主持省级科研课题近20项，包括河北省科技厅中央引导地方科技发展资金项目2项，省自然科学基金6项。

五、专刊作者简介       张冉旭，医师，研究方向：骨与关节疾病的影像诊断。河北省肝病学会医学影像分会委员、河北省中西医结合学会影像分会委员。

      张雪松，副主任医师，硕士研究生导师。中国中西医结合学会影像专委会骨骼肌肉影像组组员、河北省中西医结合学会影像专委会常务委员兼骨骼肌肉组长、河北省医师协会放射科医师分会委员、河北省肝病学会影像专委会常务委员兼秘书长、河北省急救医学会影像专委会常务委员、河北省健康标准化技术委员会影像专委会委员、河北省血管健康与技术协会第三届理事会理事。发表SCI及中文核心期刊论文20篇，主持河北省财政厅优秀人才项目1项，获河北省卫健委科技成果一等奖1次，二等奖2次。