倪铭，袁慧书

近年来，深度学习(deep learning，DL)作为机器学习的一部分在医学各个领域引起了广泛关注[1-2]。DL 在图像识别和分类、语音识别和自然语言处理等多个领域被大量应用[3]，其目的在于模仿人类大脑的思考方式，进行有意义的数据转换和学习来帮助人类完成某些工作[4]。虽然MRI 在诊断骨关节损伤方面具有很高的敏感度和特异度[5-6]，但骨关节损伤诊断的准确度仍有待提高[7]。随着研究的不断深入，骨关节系统的DL 研究也逐渐增多，越来越多的方法和模型被相继提出，但基于MRI的DL研究在骨关节运动损伤方面的应用仍然非常局限，目前研究主要集中在膝关节运动损伤中，而对于其他关节的研究相对少见。本文通过分析国内外相关文献，总结当前领域研究进展和存在的问题，以期对此领域的研究和发展起到指导和推动作用。

1 图像分割

由于骨关节解剖结构复杂，进行DL 研究时常常因为图像信息过多而导致模型训练效果较差，而预先对图像进行分割能够减少图像内的无用信息并保留有用信息。目前，对于膝关节结构分割的文献报道相对较多，相关技术正逐步发展、完善，但分割其他关节结构的报道相对较少。

Zhou 等[8]提出通过高效卷积编解码网络联合3D 全连接条件随机场和3D 简单变形模型的方法分割膝关节，该方法对股骨、胫骨、肌肉组织的Dice 相似系数(dice similariy coefficient，DSC)高于0.9，股骨软骨、胫骨软骨、髌骨及软骨、半月板、髌韧带、股四头肌腱、髌下脂肪垫的DSC 在0.8～0.9。该研究初步实现了对膝关节所有解剖结构的分割，并取得了与人工分割较高的一致性。……