深度学习在诊断和分类青少年特发性脊柱侧凸中的应用研究

构建了一种基于深度学习的自动诊断和分类青少年特发性脊柱侧凸的模型。该模型包括关键点检测和Cobb角测量。回顾性收集站立位脊柱全长X线图像共748例,其中602例用于训练和优化模型,146例用于测试模型性能。结果表明该模型具有较好的诊断和分类性能,准确率为94.5%,其Cobb角的测量结果与专家测量结果相比,94.9%都在临床可接受范围内,平均绝对误差为2.1°,一致性也较好(r2≥0.9552,P<0.001)。未来该模型可应用于临床,提高医生诊断效率。