基于椎体形态特征的胸腰段分界分类系统在CT成像中的精准定位研究

　　为解决胸腰段移行椎(TLTV)导致的脊柱标记不一致问题，研究人员开展椎体形态学分类(VSBC)研究。通过对比连续计数法(CCBC)、肋骨分类法(RBC/RLBC)和形态学法，发现VSBC在1242例CT数据中实现100%神经形态符合率及更高可靠性，为脊柱手术精准定位提供新标准。

　　

脊柱解剖结构的个体差异一直是临床实践中的重大挑战，约8%人群存在椎体数量变异。在胸腰交界区（T11-L2）尤其突出，此处常出现兼具胸椎和腰椎特征的胸腰段移行椎（Thoracolumbar Transitional Vertebrae, TLTV）。准确识别椎体水平对于脊柱手术规划至关重要，错误标记可能导致手术节段错误。当前临床主要采用三种分类方法：连续计数法（Continuous Counting-Based Classification, CCBC）基于假设7颈椎+12胸椎的固定数量进行颅尾向计数；肋骨分类法（Rib-Based Classification, RBC）以肋骨长度38mm为界区分胸腰椎；肋骨长度分类法（Rib-Length-Based Classification, RLBC）则根据肋骨与椎体关节的存在性判断。但这些方法在遇到解剖变异（如短小肋骨、额外骨化中心）或不完整脊柱成像时，常产生标记不一致问题。

为突破这一局限，德国埃尔兰根大学和慕尼黑工业大学的联合研究团队在《European Spine Journal》发表了一项突破性研究，提出基于椎体形态特征的分类系统（Vertebral Shape-Based Classification, VSBC），通过对1242例完整胸腰椎CT扫描数据的多维度分析，证明该方法在一致性、可靠性和神经形态符合率方面显著优于传统方法。

研究采用回顾性设计，整合公开VerSe数据集和两个内部CT数据集（2005-2018年），所有病例均包含完整胸腰椎影像。关键技术方法包括：1）多数据集队列分析（公开数据集d1专注解剖变异群体，内部数据集d2/d3代表常规CT群体）；2）三维椎体形态评估体系（涵盖上关节突取向、横突形态与位置、肋凹存在性等特征）；3）MRI神经形态验证（通过L4/L5/S1神经根形态特征反推椎体水平）；4）多阅片者盲法评估（由5名经验不同的放射科医生独立标注）。

性能比较的方法学途径

三种分类方法对比显示：CCBC导致13.3%的标记不一致（变异数据集d1中高达38.2%），RBC/RLBC为4.3%，而VSBC实现零 discrepancies。在枚举偏移方面，CCBC仅出现1例异常（0.1%），RBC和RLBC分别出现17例（1.4%）和40例（3.2%），VSBC为18例（1.4%），证明新方法在维持正常椎体总数（24个游离骶前椎）方面具有优势。

MRI神经形态学的对照分析

通过110例匹配MRI的神经形态学验证，VSBC展现出完美符合率（100%），显著高于RBC（97.2%）、RLBC（96.3%）和CCBC（92.6%）。

典型案例证明：当CT显示双侧短小肋骨和混合形态横突时，VSBC准确识别为胸椎（12T/5L），而RLBC误判为腰椎（11T/6L），MRI显示的L4神经根分叉特征完美验证VSBC的准确性。

阅片者间可靠性

针对46例具有挑战性的TLTV病例，VSBC显示出略高于RBC的阅片者间一致性（Cohen's kappa 0.61 vs. 0.59）。经验丰富的阅片者表现出更高一致性，表明通过系统培训可进一步提升可靠性。

研究结论强调：VSBC通过综合评估上关节突（Superior Facet Joint, SFJ）的冠状面/矢状面取向、横突与关节突的相对位置关系、以及肋凹存在性等形态学特征，有效解决了传统方法在TLTV标注中的矛盾。其核心优势体现在三方面：首先，不依赖肋骨形态特征，使其在MRI应用中同样有效；其次，完美匹配神经功能解剖（腰骶丛神经支配模式）；最后，对不完整脊柱成像具有更强适应性。尽管该方法在复杂病例中仍需专业训练，但其为脊柱标记提供了首个与功能解剖完全吻合的形态学标准，未来有望整合人工智能算法实现自动化标注，推动脊柱外科规划向精准化、标准化发展。