一种自动先天性桡尺骨并合畸形评估方法（CRUS-DE）：整合 TLT-SAM 与 GPMM-R 用于标志点识别

这对儿童手臂手术为何重要

一些儿童出生时前臂的两块骨头在肘部附近部分融合，称为先天性桡‑尺骨并合。由于骨头无法正常旋转，转动门把手或使用餐具等简单动作会变得困难或不可能。外科医生可以通过精心规划的截骨术来矫正该问题，但目前这种规划常常耗时且依赖个人经验。本研究提出了一种计算机方法，它能读取常规 CT 扫描并自动测量骨骼的扭转和弯曲程度，旨在使治疗更精确、可重复并更易普及。

当两块前臂骨像一块长出来时

在健康的手臂中，桡骨和尺骨类似两条平行的轨道，能够相互滚动，使手掌朝上或朝下旋转。在先天性桡‑尺骨并合中，这些骨头的一部分从出生时就融合，通常位于肘部附近。这会将前臂锁定在固定的旋转角度，且常伴随多方向的额外弯曲，限制日常活动并影响自信与社交生活。外科医生可通过截骨——切开并重新对齐骨头——来改善功能。然而，要决定在哪里以及切除多少骨头，他们必须先在三维中量化畸形，这在 X 光片甚至 CT 图像上靠肉眼判断极其困难。

教计算机“看”儿童的骨头

研究人员开发了一条名为 CRUS‑DE 的流程，起始于常规的双侧前臂 CT 扫描。首先，系统必须找到骨头并将其从周围组织中分离出来。研究团队没有训练一个需要数千例罕见儿童病例的大型深度学习网络，而是将传统的“阈值”方法与一种现代视觉工具——Segment Anything Model（SAM）结合。他们的阈值层跟踪沿扫描的切片逐层识别骨骼外观，而较新的模型则对轮廓进行清理和补全，即使在骨骼微弱或部分模糊的区域也能恢复完整。与一位资深外科医生的人工精细分割比对表明，这种混合方法与人工轮廓高度一致。

在生长中的骨头上定位微小标志点

精确测量依赖于一组一致的解剖标志点：桡骨和尺骨上的小突起、尖端和边缘，用以定义局部坐标系。在儿童中，这些特征常常平滑且不明显；在融合的骨骼上，它们可能被扭曲或部分缺失。为此，作者使用一种称为高斯过程可变形模型（Gaussian Process Morphable Models，GPMM）的技术构建了正常儿童骨骼的统计“形状模板”。计算机学习多名健康儿童中骨形通常如何变化，然后将该模板轻微变形以匹配每位新患者的骨骼。从这种匹配中得到了初步的标志点位置，随后使用针对解剖学设计的简单几何规则进行细化——例如，在小邻域内选择最突出的点。在 40 块骨骼上的测试显示，自动标志点与专家标注的平均距离约为一到一毫米半，且与人工标注无显著差异。

把形状转换为有意义的角度

在对两块骨骼完成分割并识别出标志点后，CRUS‑DE 在手腕和肘部构建局部坐标系。它将受影响的前臂与正常参考对齐，并计算桡骨与尺骨在不同方向上的偏差——朝拇指侧或小指侧、朝掌侧或背侧，以及内部旋转的程度。在包括正常与并合病例的 40 根前臂中，自动计算的角度与专家测量的平均差异小于约 2.5 度。重要的是，所有六个测量角度都能清晰地区分正常与 CRUS 前臂，既捕捉到额外的弯曲也捕捉到患者常见的大量内旋。

这对未来手术可能意味着什么

对家庭而言，关键信息是计算机现在可以帮助外科医生用精确、客观的数字描述儿童的前臂畸形，而不是粗略的视觉印象。该方法将 CT 数据转为带有突出标志点和量化角度的三维模型，准确显示骨骼如何错位。这些信息可以指导术前规划，帮助经验较少的外科医生达到与专家相近的效果，并便于术后评估手术矫正的效果。作者还设想将这些自动测量与定制切割导板和机器人工具结合，可能带来更安全、更精确且更个性化的手术方案，造福先天患有这一复杂畸形的儿童。

引用: Liu, L., Cui, Y., Zhou, T. et al. An automatic congenital radio-ulnar synostosis deformity evaluation method (CRUS-DE): integrating TLT-SAM and GPMM-R for landmark identification. Sci Rep 16, 6434 (2026). https://doi.org/10.1038/s41598-026-36638-4

关键词: 先天性桡尺骨并合, 前臂畸形, 截骨术规划, 医学图像分析, 小儿骨科