基于深度学习的腰椎稳定性自动诊断工具的研发及验证

目的 基于深度学习研发腰椎稳定性自动诊断工具，并验证其诊断精度。方法 收集153例腰椎疾病患者术前腰椎过屈、过伸位X线片，由3名骨科医师标注5个关键点，分别为L₄后下角、前下角以及L₅后上角、前上角、后下角，共获得3套标注结果。将306张腰椎X线片按照3∶1∶2比例随机分为训练集(n=156)、验证集(n=50)和测试集(n=100)。提出一种新的神经网络结构Swin-PGNet，使用已标注的X线片图像对其进行训练，使其能自动定位腰椎椎体关键点，并通过关键点测算L_4、5椎间Cobb角和L₄椎体滑移距离。对于关键点定位、Cobb角测量和椎体滑移距离测量，以平均误差、组内相关系数(intra-class correlation coefficient,ICC)比较医师标注与Swin-PGNet之间的差异。椎间Cobb角变化超过11°作为腰椎不稳判断标准，腰椎滑移距离超过3 mm作为腰椎滑脱判断标准，比较医师和Swin-PGNet判断腰椎稳定性的准确率。结果 (1) Swin-PGNet关键点定位平均误差...