拓扑引导的生物力学轮廓：用于常规CT筛查脊柱不稳定的白盒框架
定量方法
2026-03-19 v1 计算机视觉与模式识别
摘要
常规肿瘤性CT扫描提供了筛查脊柱不稳定的理想机会，但由于SINS(脊柱不稳定肿瘤评分)所需的复杂几何推理，常常错失预防性稳定窗口。自动化SINS受限于肿瘤性骨溶导致的拓扑歧义，这与标准分割和黑箱AI方法相冲突。我们提出了拓扑引导的生物力学轮廓(TGBP)，一个可审计的白盒框架，通过解耦解剖感知与结构推理来实现。TGBP基于两个确定性几何创新：(i)以 canal 为参照的分区以解决后侧旁瓣边界歧义，(ii)通过协方差基准有向包围盒(OBB)实现上下文感知的形态标准化以量化脊椎塌陷。集成辅助放射组学和大语言模型(LLM)模块后，TGBP提供了端到端、可解释的SINS评估。在来自多中心、多癌种队列(N=482)的验证中，TGBP在3层稳定分类中实现了90.2%的准确率。在盲法读者研究(N=30)中，TGBP在复杂结构特征上显著优于内分泌科医生(κ=0.857 vs. 0.570)，并防止了总体评分估计中的累积错误(κ=0.625 vs. 0.207)，实现了民主化的专业级机会性筛查。
引用
@article{arxiv.2603.16963,
title = {Topology-Guided Biomechanical Profiling: A White-Box Framework for Opportunistic Screening of Spinal Instability on Routine CT},
author = {Zanting Ye and Xuanbin Wu and Guoqing Zhong and Shengyuan Liu and Jiashuai Liu and Ge Song and Zhisong Wang and Jing Hao and Xiaolong Niu and Yefeng Zheng and Yu Zhang and Lijun Lu},
journal= {arXiv preprint arXiv:2603.16963},
year = {2026}
}
备注
11 pages, 3 tables, 2 figures