脊柱编号异常不再被默认忽略：CT全序列标对率从77%升到99%，且能报出多一节或少一节
核心概要
脊柱影像的椎体自动标注长期默认胸椎12节、腰椎5节，遇到多一节或少一节的编号异常就会整体错位。VERIDAH把单个椎体的多路分类输出交给一个带解剖约束的序列求解器，在任意视野下选出最一致的标签序列。在1000例T2w矢状位MRI与365例CT上，全部椎体标对的受检者比例分别为98.30%和99.18%，对照方法为94.24%和77.26%；胸椎与腰椎编号异常的识别率在MRI上为87.80%和94.48%，在CT上为96.30%和97.22%。
深度剖析
椎体标注现在能给出编号异常下的正确节段标签，而不只是按常规数目顺次编号。 此前的自动方法最多只能预测12节胸椎和5节腰椎，理论上考虑异常的方法要么在任意视野下不可靠，要么未在大数据集上验证。 在1000例T2w矢状位MRI上，全部椎体标对的受检者占98.30%，对照为94.24%；在365例CT上为99.18%，对照为77.26%，差异经Wilcoxon符号秩检验p<0.01。
方法先对每个椎体单独判断，再把整条序列当作一个受约束的优化问题求解。 常规做法是让一个分类头直接输出C3、T5这类标签，再逐椎体取最大值。 分类器为在单个椎体裁剪块上训练的3D DenseNet169，设椎体标签、所属区域、过渡位置和可见度四个输出头；序列预测器用动态规划在标签连续、空间有序、颈胸腰数目受限等约束下搜索代价最小的路径，并把连续两个T12或两个L5改写为T13或L6。
同一模型在裁剪到不同可见椎体数目的图像上给出基本一致的序列。 视野受限时，从颅侧或骶侧单向计数的传统方法无法确定胸腰段位置。 把测试图像裁剪成各种可见椎体数目的组合后，预测与整条脊柱上的预测几乎无差异，仅少数样本在视野很小时胸椎异常召回下降。
启示与展望
方法面向CT与T2w矢状位MRI的椎体标注，覆盖任意视野，并在测试集中刻意增加了编号异常病例以便评估。它不执行定位或检测，需要先由分割或检测给出每个椎体的质心位置；作者指出公开的分割模型已能提供这一步。MRI模型只在NAKO健康队列上训练，作者据此说明不能保证在临床常规的其他数据上同样表现；CT数据来源多样，作者预期在该模态上更稳健。
作者明确说明，由于MRI模型仅基于健康队列训练，无法保证在其他临床常规数据集上保持同样性能。视野很小时，胸椎编号异常的召回会下降，作者将此归因于个别椎体本身难以判断，而非特定视野。方法本身不含定位步骤，使用前需要额外的椎体定位。