基于深度学习模型的腰椎X线关键参数识别的应用

摘要

目的 将人工智能技术引入腰椎X线的指标自动测算过程。方法 首先构建基于U-net+Attention的全卷积神经网络，并评估其对于腰椎数字化摄影影像中椎间隙高度指数、腰椎活动角和节段活动度这三个指标自动测量的准确性和有效性。回顾性收集2008年至2016年于陆军军医大学第二附属医院行站立位腰椎DR摄影的1 500例的1 527张站立态下的侧位脊柱图像数据。将此数据按8∶1∶1的比例划分为训练集、验证集及测试集。通过labelme标注工具对每节椎体的主体结构进行标注。使用平均准确率（ACC）、交并比（IOU）和Dice系数来评价模型的具体分割性能。结果 构建的网络平均IOU能达到0.940；平均Dice系数为0.980。与U-net和Deeplab-v3分割网络模型相比，该模型数据测算准确有效。椎间隙高度指数的误差均值为±2.4 mm；腰椎活动角的误差均值在±3.1°；节段活动度的误差均值在±5.8°，均符合计算中的正常误差水平。结论 基于人工智能能构建的网络模型实现了对腰椎X线关键参数的自动精准测算，有助于临床医师综合多参数定量分析和评估PETD手术复发风险的高低。

关键词

计算机模拟 / 腰椎 / X线 / 人工智能 / 经皮椎间孔镜手术