朱逸峰，赵凯，郭丽，张耀峰，王祥鹏，张晓东，李雨师，王霄英

颈椎病(cervical spondylosis,CS)是椎间盘变性、椎体骨质及小关节软组织病理改变刺激和压迫颈动脉、脊髓、颈神经根等的退行性疾病，近年来患病率逐年增高，有明显年轻化的趋势[1]。

影像检查可以辅助颈椎病的诊断，其中X线可显示曲度改变、椎间隙变窄等，CT可显示颈椎骨质等结构，MRI可显示脊髓和颈椎间盘等结构，在实际工作中MRI更普遍地被应用于颈椎病的诊断和评估[2]。颈椎影像的精确分割和量化分析在颈椎病诊断中非常重要，但颈椎区域的骨骼、韧带、血管和神经等解剖结构较多，影像重叠度较高，如何客观、量化分析颈椎结构一直是尚未解决的难题[3]。随着人工智能(artificial intelligence，AI)的发展，AI在医学影像领域也得到了广泛的研究和应用，通过深度学习对图像进行自动分割在肾脏、前列腺和乳腺等部位都已经得到实现[4-6]。既往也有很多学者针对不同人群、不同模态影像中颈椎各结构的分割进行了相关研究[7-13]。

本研究以影像科医师手动分割为金标准，训练3D U-Net模型，实现对颈椎MR图像中各结构的自动分割，旨在为后续颈椎各结构径线自动测量和疾病诊断奠定基础。

材料与方法

本研究获得了本院伦理审查委员会的批准(2019-170)，按照本单位人工智能(artificial intelligence，AI)模型训练规范执行研究方案。根据本单位AI训练管理方法定义研发颈椎MRI图像中各结构自动分割及径线测量模型的用例，包括模型的名称、临床问题、场景描述、模型在实际工作中的调用流程、模型输入输出数据结构等。……