基于机器学习的影像组学在骨质疏松性椎体骨折中的应用
郑洲杨
汤光宇
上海市第十人民医院放射科,上海 200072;同济大学医学院
摘要：骨质疏松性椎体骨折(OVF)具有高发病率、高致残率的特点,基于机器学习(ML)的影像组学研究已聚焦对该病的全流程管理.本文阐述了ML在OVF预测与风险评估、诊断与分类分级、预后与疗效评价三大关键环节的研究现状,重点关注了利用ML预测OVF、区分急慢性OVF以及OVF再骨折等临床核心难题中的最新研究进展,旨在为推动ML技术更精准、有效地融入OVF的临床诊疗路径提供参考.
关键词：骨质疏松性椎体骨折人工智能机器学习影像组学磁共振成像体层摄影术X线计算机
分类号：R814.42(放射医学)R683.2(骨科学（运动系疾病、矫形外科学）)R445.2(诊断学)
论文发表日期：2026-03-15
在线出版日期：2026-04-01（本平台首次上网日期，不代表文献的发表时间）
页数：5( 220-224 )
英文信息