柳叶刀机器人参与多方学术合作，在半月板损伤智能辅助诊断领域取得进展

柳叶刀机器人参与多方学术合作，在半月板损伤智能辅助诊断领域取得进展，相关联合研究成果发表于骨科权威期刊Journal of Orthopaedic Translation（IF=5.191）。

论文标题为Identification and diagnosis of meniscus tear by magnetic resonance imaging using a deep learning model。

东南大学机械工程学院的李杰博士，杭州柳叶刀机器人有限公司的刘金勇工程师为本文共同第一作者，东南大学王兴松教授及南京鼓楼医院杨献峰副主任医师为本文通讯作者。

南京大学附属鼓楼医院、东南大学、泰康仙林鼓楼医院、丹阳市中医院、宣威市第二人民医院、中国医学科学院肿瘤医院、蚌埠医学院第一附属医院、新乡中心医院以及杭州柳叶刀机器人有限公司共同参与了该学术合作。

该研究得到了国家自然科学基金、江苏省自然科学基金、中国博士后科学基金以及南京市科技发展计划项目的资助。

半月板损伤是指在各种诱因如发育异常、慢性劳损及急性扭伤等作用下，半月板完整性受到破坏而产生疼痛、功能障碍一系列临床症状。半月板损伤非常常见，发病率约6-7/万人，严重影响患者的运动能力和生活质量，一旦确诊多数需要手术治疗，准确及时的术前诊断具有重要意义。

磁共振成像具有很高的软组织分辨率，能够清晰显示半月板形态及内部结构，是诊断半月板损伤的首选检查方法。针对半月板损伤的多中心大样本研究对于半月板损伤的风险和预后预测具有重要意义。然而，临床工作中，针对半月板损伤磁共振图像的研究受到图像结构复杂、病变细微、数据量庞大以及医生诊断水平、疲劳程度等主观因素的影响，这限制了大样本研究的准确性与可行性。本研究利用临床中最常用的序列和扫描层厚度进行模型训练，通过卷积神经网络获得半月板MRI图像的特征图后，使用Mask R-CNN进行分类、回归和像素级的诊断。

结果表明，经过训练和验证，深度学习模型可有效地识别健康和受伤的半月板。对三种类型的半月板（健康、撕裂和退化的半月板）的识别平均精度在 68% 到 80% 之间。对健康、撕裂和退化的半月板的诊断准确率分别为 87.50%、86.96% 和 84.78%。

论文链接：https://doi.org/10.1016/j.jot.2022.05.006