椎体骨折自动化检测对 QCT 骨质疏松测量准确性的影响：基于回顾性数据的诊断效能研究

本研究旨在基于回顾性临床数据，系统评估椎体骨折对 QCT 骨密度测量的干扰效应，并验证自动化骨折检测与剔除策略对提升骨密度测量准确性的价值。具体目标包括： 建立椎体骨折自动化检测模型：基于深度学习（nnU-Net）构建椎体骨折自动检测与 Genant 分级模型，评估其在数据中的分割与分类性能。 量化骨折椎体对 QCT 骨密度的干扰效应：比较骨折椎体与非骨折椎体的骨密度差异，分析不同 Genant 分级骨折的干扰程度。 比较不同骨密度计算策略的诊断效能：以 DXA 诊断为参考标准，对比“保留所有椎体”与“剔除骨折椎体”两种策略下 QCT 骨密度与 DXA 诊断的一致性（Kappa 值）、骨质疏松检出率及测量稳定性。 评估 DXA 的漏诊率：以优化后的 QCT 骨密度（剔除骨折椎体后计算）为参考标准，计算 DXA 诊断骨质疏松的漏诊率（即 DXA 阴性而优化 QCT 阳性者占全部优化 QCT 阳性者的比例），并分析漏诊的高危因素（如年龄、性别、脊柱退变程度等）。 为临床软件优化提供证据支持：基于研究结果，提出 QCT 骨密度计算软件的功能改进建议，推动“骨折椎体自动剔除”功能的临床转化。