基于人工智能骨小梁评分（TBS）的骨质疏松评估相关临床研究

（一）主要目的 以腰椎 DXA 的骨小梁评分（TBS）为参考标准，建立基于常规腰椎 CT 图像或平片预测腰椎椎体骨小梁评分（TBS）值的深度学习模型，进一步提示骨折风险。 1.以腰椎 DXA 和骨小梁评分（TBS）为参考标准（gold standard），利用深度学习模型，利用常规 X 光片平片（或 CT 检查）以腰 1-4 椎体为研究靶点预测腰椎 TBS 和 / 或腰椎 BMD。 2.基于不同的输入特征，例如体成分、BMD、骨小梁评分（TBS）等，结合不同的（创新性）卷积神经网络（CNN）模型（或预训练模型）、一般资料、实验室检查等，预测和判断骨质疏松和骨折风险。 （二）次要目的 1.DXA 测得的腰椎骨密度及 QCT 所测得的腰椎骨密度与骨小梁评分（TBS）之间的相关性。 2.特殊骨质疏松患者（如糖尿病、肾衰、绝经患者、激素药物治疗等）经过规律抗骨质疏松治疗后骨小梁评分（TBS）的疗效监测。 备注：本研究项目以实现主要研究目的为主，其它研究目的可根据实际情况推进。基于不同的研究目的后续可设计不同的研究方法及过程。