未来骨科医工融合—文献集萃（八）基于U-net和支持向量机的青少年特发性脊柱侧弯自动分类方法

发布日期： 2024-11-07 14:46:02 阅读量： 10

尚华清（中国科学院深圳先进技术研究院）

摘要

本研究提出了一种基于U-net和支持向量机（SVM）的自动脊柱侧弯分类方法，用于提高诊断的客观性和准确性。该方法通过U-net模型实现脊柱影像的自动分割，随后基于分割结果进行Cobb角测量，并通过SVM进行脊柱弯曲类型分类。实验表明，该自动化方法的Cobb角测量结果与医生的手动测量结果误差小于1度，分类准确率达到100%，验证了其在临床应用中的潜力。

方法

研究采用U-net网络进行脊柱影像的自动分割，将传统的卷积路径和扩展路径结合以实现高效的图像特征提取。随后，通过图像处理方法提取椎体中心点并拟合脊柱曲线，计算关键椎体的上、下端板以测量Cobb角。基于分割图像中的特征值，使用SVM进行脊柱曲线的分类。研究中还引入了侧位和弯曲位X线片的角度作为补充参数，提高分类精度。

总结

实验结果显示，该方法在脊柱分割和Cobb角测量方面表现出色，自动分类与医生判定一致，验证了其在自动化脊柱侧弯诊断中的有效性。未来研究建议扩大数据集以提升模型的鲁棒性，并探讨该方法在不同类型Lenke分类中的应用。

创新点

1. **U-net用于脊柱分割**：实现了脊柱影像的高效自动分割。

2. **自动Cobb角测量**：利用分割结果实现了精确的Cobb角计算。

3. **结合SVM分类**：实现了基于影像特征和补充参数的脊柱分类。

4. **实验验证**：结果表明该方法与传统手动方法在准确度上高度一致。