摘要目的 旨在开发一种基于计算机断层扫描(CT)的两阶段深度学习(DL)模型,用于股骨头坏死(ONFH)的诊断及坏死区域的分割.方法 回顾性分析2023年2月至2024年6月就诊于江苏省中医院、江苏省第二中医院、南京市中医院及南昌市洪都中医院行髋关节CT检查的2312例患者.由江苏省中医院、江苏省第二中医院、南京市中医院的髋关节CT数据集按8∶2的比例随机分为内部训练集和内部测试集用于模型的训练和性能测试,南昌市洪都中医院的髋关节CT数据集被作为外部测试集用于评估模型的性能.3位医师在同一标准下对ONFH进行注释和标注并将其作为参考标准.开发并验证了基于ViT和SwinT的DL模型,并将模型的性能与住院医师规范化培训医师、5年临床工作经验的住院医师、10年临床工作经验的主治医师进行比较,以评估其在临床场景中的稳健性和有效性.结果 2312例患者中1189例(24 534张CT冠状位图像)被诊断为ONFH,1123例被诊断(29 294张冠状CT图像)为非ONFH.在内部测试集中,对于ONFH诊断,DL模型的受试者工作特征曲线下面积(AUC)为0.99,敏感度为99.97％,精度为91.04％,F1分数为95.31％;对于坏死病灶的分割,DL模型的戴斯系数(Dice)值为72.76％,杰卡德系数(Jaccard)值为67.19％.在外部测试集中,对于ONFH诊断,DL模型的AUC为0.97,敏感度99.94％,精度为90.04％,F1分数为94.73％;对于坏死病灶的分割,DL模型的Dice值和Jaccard值分别为69.14％和62.75％.与不同年资的骨科医师相比,DL模型对于ONFH的诊断性能最为优秀,对于坏死病灶的分割性能优于住院医师规范化培训医师和5年临床工作经验的住院医师,接近10年临床工作经验的主治医师水平.结论 DL模型在ONFH诊断上展现出优异性能,可以媲美或超越骨科主治医师,实现了 ONFH的精准诊断与病灶量化分割,可以为ONFH的病程监测与病情评估提供客观依据.