基于深度卷积神经网络的股骨颈骨折内固定术后并发症预警研究

Femoral neck fracture is the most common type of hip fracture. It is one of the traumatic diseases that seriously affects the quality of life of various groups of people, and it will cause femoral head necrosis which is the most common and serious complication. At present, a considerable proportion of patients miss the best time in the treatment of femoral head necrosis after femoral neck fracture. Therefore, it is necessary to accurately predict the occurrence of femoral head necrosis after internal fixation of the femoral neck fracture, and to take corresponding clinical treatment measures in the early stage. This study intends to collect information from 4 hospitals on the basis of previous research work. The deep convolutional neural network model, Logistic regression models，Cox regression models, diagnostic thresholds of miRNA, bone mineral density, cholesterol and diagnostic thresholds of low-density lipoprotein will be established through retrospective studies, prospective studies，meta-analysis，multiple methods to screen for independent variables and collinearity diagnosis. After that, we will be able to establish the prediction model of femoral head necrosis after the internal fixation of femoral neck fractures, the risk assessment system, risk levels (low risk, medium risk, high risk and very high risk) with multi-dimensional methods. In this way, we can not only provide accurate medical services for internal fixation of femoral neck fractures, but also offer the scientific basis for the clinical treatment and scientific research of femoral neck fractures.

股骨颈骨折是髋部骨折中最常见的一种类型，是一种严重影响各类人群生存质量的创伤性疾病，而股骨头坏死是最常见和较严重的并发症。目前，在股骨颈骨折术后并发股骨头坏死的治疗中，有相当大比例的患者是错过最佳治疗时机的，因此需要在股骨颈骨折内固定后能够准确预测股骨头坏死的发生，并早期采取相应的临床治疗措施。本研究拟在前期研究工作基础上，在4家医院收集资料，通过回顾性研究、前瞻性研究和Meta分析，多种方法筛选自变量及其共线性的诊断，建立深度卷积神经网络、Logistic回归及Cox回归模型，miRNA诊断阈值、骨密度、胆固醇及低密度脂蛋白诊断阈值。从多维度多方法建立股骨颈骨折内固定术后并发股骨头坏死的预测模型、风险评估系统、风险等级（低危、中危、高危及极高危），这样可为股骨颈骨折内固定术精准医疗服务，从而为股骨颈骨折的临床治疗和科研提供科学依据。

股骨头坏死是股骨颈骨折内固定术后严重的并发症，但导致股骨头坏死的机制尚未完全阐明。. 回顾性研究：进行了股骨颈骨折术后并发症风险预测模型的建立和初步验证分析，获得最佳预测变量分别为：术前嵌插、VAS疼痛评分、受伤至手术时间、移位情况、复位情况、术后错位距离，得到最终的Logistic回归模型，并且开发制作了股骨颈骨折内固定术后坏死的列线图，用于股骨颈骨折内固定术后并发股骨头坏死的风险评估；也进行了基于生存分析的股骨头骨坏死风险评分评价研究分析（Cox回归分析），开发了风险评分中的预测指标（手术时间、嵌插、Garden对线指数、术前移位、术后错位程度），从另外一个角度进行风险评估；也进行了机器学习在股骨颈骨折内固定术后坏死中的应用探讨分析，本方法首次使用XGBoost算法开发了一个用于预测股骨颈骨折内固定术后并发股骨头坏死风险的简易网页计算器；也进行了神经网络在股骨颈骨折内固定术后股骨头坏死中应用探讨分析，探讨了Logistic回归模型、MLP神经网络模型以及RBF神经网络模型，比较三种模型的预测性能，MLP神经网络在预测股骨颈骨折术后股骨头坏死方面的预测效能最好；利用回顾性随访影像学资料，进行了深度卷积神经网络分析，开发和训练了一个基于深度学习的卷积神经网络（CNN）模型，可以使用术后盆骨X线来预测股骨头坏死，开发应用相关软件，并且将影像量化指标的模型加入基线指标、生化指标之中，应该具有更优的预测性能，后续将进一步于前瞻性随访研究中。. Meta分析：股骨头坏死相关危险因素的Meta分析结果表明骨折移位和复位质量与股骨头坏死有关。亚组分析显示骨折移位与复位不良的股骨颈骨折患者具有更高的坏死率。对于年龄、切开或闭合复位、内固定物是否取出、术后开始负重时间等具有争议的因素，本研究没有发现它们与股骨头坏死之间有相关性。. 前瞻性研究：对前瞻性随访病人的血液样本中进行miRNA检测，得到hsa-miR-186-3p、hsa-miR-1184、hsa-miR-2110、hsa-miR-194-3p，在坏死组与非坏死组间存在有统计学差异，这将提供给骨科医务人员的临床治疗决策参考。