一种用于测量人类脊柱老化的人工智能框架
计算机视觉与模式识别
2025-11-24 v1
摘要
人类脊柱由 33 块脊椎构成，承载身体并对健康生活至关重要。脊柱易受 age-related 退行性改变，可通过磁共振成像（MRI）识别。本文提出一种新颖的基于计算机视觉的深度学习方法，用于估计脊柱年龄，数据来源于超过 18,000 例 MRI 系列。数据限制为仅含 age-related 脊柱退行性改变的受试者。通过利用统一流形近似和投影（UMAP）和层次密度基于噪声的空间聚类（HDBSCAN）识别常见 age-based 退行性脊柱条件簇，创建准资格标准。通过对数据规模、损失函数以及不同脊柱区域的影响进行详细的消融研究来确定模型选择。我们通过计算实际脊柱年龄与模型预测年龄之间的差异——脊柱年龄差（SAG）——以及检讨这些差异与脊柱退行性改变和生活方式因素之间的关联来评估模型的临床实用性。我们发现 SAG 与包括椎间盘 bulging、椎间盘 osteophytes、脊狭窄和骨折在内的多种退行性改变相关联，也与吸烟和体力劳动等生活方式因素相关联，因此 SAG 可能是衡量整体脊柱健康的有用生物标志物。
引用
@article{arxiv.2511.17485,
title = {An Artificial Intelligence Framework for Measuring Human Spine Aging Using MRI},
author = {Roozbeh Bazargani and Saqib Abdullah Basar and Daniel Daly-Grafstein and Rodrigo Solis Pompa and Soojin Lee and Saurabh Garg and Yuntong Ma and John A. Carrino and Siavash Khallaghi and Sam Hashemi},
journal= {arXiv preprint arXiv:2511.17485},
year = {2025}
}
备注
17 pages, 7 figures