胡爽，梁晓青，章瑶，何通翔，李小明

肩关节

Wook等开发和验证了一种诊断肩关节上唇前后方(SLAP)病变的方法，即经平面超分辨率MRI，通过计算峰值信噪比(PSNR)、均方误差(MSE)和结构相似指数(SSIM)对病变进行定量评估，证实该成像技术能够产生高分辨率的薄层图像并提高放射科医师对SLAP病变的诊断准确性。Khil等利用剪切波弹性成像(SWE)技术计算了肩部肌腱撕裂后冈上肌(SST)的肌肉质量，评估和比较了肌肉弹性比与现有肌肉评价指标的相关性及诊断性能，发现肌肉弹性比与现有肌肉评价指标有中度相关性，且两者对肌腱修复不全的评价效能相近。Kim等对急性臂丛神经炎(Parsonage-Turner综合征，PTS)患者受累及的肩胛上神经(SSN)、长胸椎神经(LTN)和腋神经(AXN)进行了磁共振神经定位成像(MRN)研究，发现PTS中常见受累神经的重度沙漏样收缩聚集在特定的解剖区域，猜测这些部位可能是由于生物力学应激或缺血而导致神经发生了沙漏样收缩。

肘关节、腕关节、指关节

Lund等设计了屈肘外翻外旋(FEVER)MRI视图用于投掷运动员尺侧副韧带(UCL)损伤的评价，与常规MRI相比，FEVER视图显示了外翻应激导致的滑车关节间隙增宽，提供了更多关于肘关节功能性韧带的信息，提高了阅片者对UCL的诊断准确性。Park等在3.0T MRI上对肘关节软骨行T2-mapping扫描，证实该项技术对肘关节软骨成像是可行的。Streif等研究了MR关节造影(MRA)对桡尺远侧关节内三角纤维软骨复合体(TFCC)的中心凹附着区撕脱(Atzei 3)以及TFCC的掌侧和背侧固定韧带撕脱的诊断效能，结果显示MRA可以准确检测出TFCC的中心凹撕脱，并认为掌侧和背侧韧带撕裂会增加中心凹脱离的可能性。Booz等比较了双源CT虚拟无钙(VNCa)技术与3.0T MRI对急性腕部创伤患者舟状骨骨髓水肿的诊断价值，发现双能CT VNCa重建对舟状骨骨髓水肿的诊断准确性极高。Heiss等进行了一项活体研究，按照四分Likert评分标准对滑车病变进行分级，比较了3.0T与7.0T MRI对显示手指滑车关节断裂的图像质量和诊断性能，结果显示3.0T和7.0T的MRI都可以显示和定性诊断创伤性A2、A3和A4级滑车病变，但7.0T MRI的诊断敏感度更高。

膝关节

Guermazi等比较了非负重螺旋CT(NWB-CT)和负重螺旋CT(WB-CT)测量的膝关节间隙平均宽度，发现两者之间存在显著差异，3D定量和WB-CT相结合可以显示更多的膝关节骨对骨区域，而NWB-CT低估了这些区域，因此WB-CT对于膝关节间隙狭窄有更高的诊断效能。 Bharadwaj等研究了零回波时间(ZTE)MRI在膝关节病变诊断中的价值，并与优化的扰相梯度回波(SPGR)序列进行了比较，发现ZTE序列的图像质量和诊断可信度优于SPGR，ZTE提高了骨异常病变的诊断水平。

内侧髌股韧带(MPFL)重建移植物不稳定时需行翻修手术， Wong等对此类患者的膝关节MRI图像进行了评估，发现与MRI上移植物的直观位置相比，股骨骨髓腔的位置更能预测是否需要翻修MPFL重建移植物。髌股(PF)间隙是膝关节间隙中骨关节炎(OA)发生率最高的部位，Haj-Mirzaian等评估了OA患者最长髌骨直径和两个髁间突后方之间的夹角，即外侧髌骨倾斜角(LPT)，研究了LPT与OA相关特征的关联性，结果显示高LPT值可能预示着外侧髌骨和滑车的骨关节炎进展，而LPT与内侧滑车的软骨缺损和骨髓病变(BMLS)关联不大。 Lavoie-Gagne等进行了一项随机对照实验，探索了前交叉韧带重建术患者的前交叉韧带(ACL)的MRI信号强度与是否注射含有间充质干细胞的骨髓抽吸浓缩物(BMAC)的关联性，结果显示BMAC有使韧带形成速度加快的作用。

骨肿瘤

硬化性骨转移与良性硬化性骨病变的鉴别非常困难，Azar等研究了CT值在区分两种病变中的价值，对照病理结果判断CT值对于骨良恶性肿瘤的鉴别性能，发现CT值对硬化性骨转移与良性硬化性骨病变的诊断敏感度和特异度均不高。多发性骨髓瘤是一种浆细胞来源的恶性骨肿瘤，早期诊断困难，Werner等通过双源CT虚拟去钙(VNCa)重建技术诊断多发性骨髓瘤，将局部病灶状态与整体疾病状态行相关性分析，发现VNCa骨髓图像中局灶性病变的CT衰减值能够区分病变的活动性和非活动性，且活动性病变的面积高于非活动性病灶。Gassert等分析了经病理证实的良恶性软组织肿块的MRI图像，发现恶性肿瘤的发生率与肿瘤体积成正比，且不同肿瘤的发生部位有差异。

近年来对骨肿瘤的检查技术不断优化，Schacky等开发了一种深度学习模型用于X线骨肿瘤的检测、分割和分类，具有较高的敏感度和特异度。Fayad等比较了各向同性3DT1与2DT1对于骨肿瘤范围和特征的诊断效能，对肿瘤位置、大小、长度、到关节的距离、信号强度、边缘、骨外侵犯等方面进行评估，发现3DT1与2DT1序列的诊断效能相当，但3DT1序列可以进行各向同性采集和多平面重建，对于骨肿瘤的诊断更加优化和便捷。CaiWenli等进行了神经纤维瘤病1型胚系突变(NF1)与全身MRI影像特征之间的基因型-表型的相关组学研究，从而确定了NF1突变与影像学特征的基因型-表型相关性。

代谢、功能、定量

骨髓脂肪组织(MAT)参与全身能量的调节，MAT分为两种类型：近端调节型(rMAT)和远端组成型(cMAT)，后者不饱和脂肪酸的含量更高。Bredella等设计了一个短期急剧变化的饮食方案，对参与人员进行腰椎MRI检测，发现MRI可以量化MAT的含量和组成，因此可用于评价患者营养状态的急剧变化。Gassert等以CT测得的骨密度值(BMD)为基准，评估磁共振质子密度脂肪分数成像(PDFF)对骨质疏松性椎体骨折患者的诊断性能，发现PDFF值与BMD之间存在显著相关性，骨质疏松患者的PDFF值较高，因此磁共振PDFF值可以作为骨质疏松症的生物标志，用于区分骨质疏松性椎体骨折与创伤性椎体骨折。

非霍奇金淋巴瘤(NHL)患者治疗期间可以导致骨丢失，引起脆性骨折。Bodden等通过比较NHL患者与健康对照者的椎体CT值，计算每年椎体骨质丢失量，研究了椎体密度下降与意外骨折之间的关系，发现与健康对照者相比，NHL患者的骨丢失显著加快，且随着骨丢失的增加，意外骨折的风险更大。Park等回顾性分析了乳腺癌患者椎体疏松与意外骨折之间的关系，并行CT与DXA检查定量椎体骨质衰减，发现CT与DXA的骨质衰减评分有中度相关性，且当CT值≤90HU，DXA评分≤-2.5时发生意外骨折的风险加大。Laur等采用CT对老年骨盆骨折患者进行成像，按一定的标准定义骨量减少、内脏肥胖、肌肉减少等指标，用以找到虚弱患者的异常身体成分指标，结果发现临床诊断为虚弱的患者，其肌肉减少、骨质减少和内脏肥胖发生的概率较高，随着虚弱评分增加，患病率也逐渐增加。

骨盆、髋关节

髋臼唇撕裂是导致髋关节疼痛的常见原因，手术和保守治疗均有效，MRA是其首选的检查方式。Zoga等研究了相关患者的MRA图像，在保守组和手术组中进行多变量回归分析，结果显示手术组的改善幅度大于保守组，单纯性髋臼唇前部撕裂的手术效果更好，而髋臼发育不良导致的撕裂手术治疗效果不明显，BMI>25的受试者保守治疗效果不明显，提示人口统计学和影像学研究资料可以帮助选择治疗方案。

骶骨不全性骨折(SIF)是一种应力性骨折，是女性下腰痛的常见原因，由于人口老龄化的进展，其发病率逐年增高。Booz等对102例患者的数据进行回顾性分析，评价了彩色编码双源CT虚拟无钙(VNCa)重建对SIF所引起骨髓水肿的诊断价值；以MRI图像定义参考标准，发现VNCa重建对于SIF相关骨髓水肿有极高的诊断价值。Stern等对骨盆常规剂量CT、超低剂量CT、计算机虚拟骨盆X光片(VR)和常规骨盆X光片(CR)的图像质量和骨盆结构角度测量进行评价，结果显示CT和ULD-CT都具有良好的图像质量，而CR与VR对骨盆中心-边缘角和尖角的显示没有差异，认为ULD-CT与常规CT对于骨盆病变具有相似的诊断效能，而CR与VR的角度测量值相似。

Germann等评估了非骨水泥型全髋关节置换患者2年内的MRI图像，通过对骨髓水肿、骨质溶解、骨膜反应、周围软组织水肿和关节积液等指标的评估，发现置换术后股骨柄和髋臼周围的骨髓水肿和骨膜反应在术后6个月内普遍存在，这可能是正常现象，而超过12个月的周围软组织水肿则是异常表现。Khodarahmi等在1.5T与3.0T MRI机器进行去金属伪影序列成像，研究了髋关节置换术植入物的加热反应，发现在1.5T场强中植入物的加热程度远高于3.0T，后者最高加热温度处于生理范围内，而1.5T场强内的最高温度超过了生理范围上限，此外，加热程度与去金属伪影技术之间没有关联。

人工智能及影像组学

近年来，人工智能及影像组学已成为医学影像研究的热门，其在骨骼肌肉病变中的应用也越来越多。通过算法的图像映射技术，将采集的少量信号恢复出与全采样同样质量的图像；使用图像重建技术，将低剂量的CT图像重建得到与高剂量扫描同样质量的图像；通过算法的优化，降低检查过程中不必要的辐射剂量。将传统的人工阅片与深度学习算法相结合，在提高工作效率的同时也增加了诊断准确性。

Mutasa等设计了新型的深度学习系统，对手部X线片舟骨进行定位，并诊断是否存在舟骨骨折，将AI与放射科医师的阅片结果进行比较，发现单纯医师或单纯AI诊断的阳性率均低于两者结合，提示放射科医师在AI的帮助下能提高舟骨骨折的检出率。Cheng等采用深度学习模型回顾性评估了200例肩袖撕裂(RCT)患者的MRI图像，发现该模型对诊断RCT具有较高的敏感度、特异度、准确度，对RCT的分类具有中等诊断水平。Torriani等开发和验证了一种深层卷积神经网络(CNN)方法，该方法在选择特定肩部矢状位MRI图像(Y-view)并在Y-view上自动分割肩袖肌肉(RC)具有较高的准确性，可减少诊断误差，因此可以作为未来自动分割肩袖肌肉系统模型的基础。Obama等评价了新开发的深度学习重建(DLR)技术对各种肩部病变的常规并行成像(PI)和压缩传感(CS)成像的图像质量的改善能力，发现CS检查时间明显少于PI，并且DLR能够显著提高CS在3.0T MRI上的肩部图像质量。

Bharadwaj等在椎体检测深度学习模型中使用zero-shot学习方法对全脊柱前后位X线片按冠状位进行平衡/失衡的分类，分类标准由不平衡分数(生成的垂线与骶骨正中垂直线之间的距离)决定，并推广该模型应用于临床数据库，结果显示该模型与医师报告结果的一致性很高，而且它还适用于临床的其他数据库，有望推广至临床工作中。Lee等建立了腰骶椎X线片骨质疏松性骨折风险预测的深度学习模型，与年龄预测骨折风险模型相比，该卷积神经网络模型的预测结果优于年龄模型。

Krogue等开发用于预测髋部X线片骨密度的深度学习模型，该模型被训练可直接从X线片中检出骨量减少和骨质疏松，且具有较高的准确度。Wook等开发预测髋关节平片骨密度的深度放射组学模型，并与放射医师的诊断结果进行比较，结果显示深度放射组学模型的诊断准确度高于放射医师，其可在X线片上自动辅助筛选骨质疏松区。Rouzrokh等开发的从髋部X线片上预测初次全髋关节置换术后髋关节脱位发生的深度学习模型具有较高的敏感度和准确度，该模型有望用于快速识别具有术后脱位风险的患者。Belair等研究了AI对于放射科医师诊断的偏倚水平，在膝关节X线片上评估AI参与时医师对膝关节炎Kellgren-Lawrence分级的情况，发现放射科医师的诊断结果会向AI判读的方向偏倚，这种偏倚较多发生在分级中的中间等级。Turk等开发了一个深度学习模型，可从骶髂关节X线片中预测骶髂关节活动性炎症的发生，并将该模型与专业放射医师报告结果进行比较，结果显示在MRI提示活动性炎症时，该模型仅利用X线片即可预测诊断，远远优于放射科医生对于X线片的诊断效能。

对于骨肌成像而言，小结构的显示需要更高空间分辨率的支持。Shin等开发了骨肌结构自动分解转化技术dAUTOMAP(MSK-dAUTOMAP)，对于高度压缩的稀疏k空间MRI而言，双倍和四倍加速的高分辨率膝关节重建MRI表现出更优的图像质量和更高的诊断性能。Colak等开发了迁移学习的深度学习模型，用于膝关节MRI图像软骨的自动分割，经过多种数据集的学习，该模型的性能不断提高，能达到与人工分割相似的效果。Fritz等分析前交叉韧带撕裂患者的MRI图像，使用人工智能辅助医师诊断，发现两者结合的诊断水准高于两者单独诊断的水平。

Chang等开发了一种深度卷积神经网络，用于检出脊柱CT上的硬化性转移瘤，经过训练集和测试集的学习，发现该卷积神经网络具有辅助识别硬化性转移瘤的潜能。Hong等利用CT放射组学，开发机器学习模型鉴别骨岛与成骨性转移，结果显示该模型在敏感度、特异度、准确度等方面均较高，从而证实该模型在骨岛与成骨性转移病变的鉴别中有一定价值。Crist等开发了一种卷积神经网络，在多发性骨髓瘤患者行全身低剂量CT时减少图像噪音，在降低辐射剂量的同时提高图像质量，该去噪音算法优于商业迭代重建算法。General Zhang等开发了一种交互式深层神经网络Inter-UNet，用于全身MRI上神经纤维瘤病病灶的分割，该网络获得的Dice相似系数(DSC)远远超过经典的U-net，且用时大大减少，可提高临床工作效率。

人工智能在临床工作中的应用越来越广泛，其在骨肌影像技术及诊断上的研究和应用也在不断更新和成熟，未来将逐渐成为临床工作中的一项重要工具。