前言

青少年特发性脊柱侧凸是青春期骨骼发育成熟前发生的脊柱三维畸形，其发病原因至今不明。脊柱侧凸现已成为危害我国青少年健康的第三大疾病。X线成像由于具有低辐射、设备造价低、检查费用低、成像时间短，且可以在站立位成像等诸多优势，是对青少年特发性脊柱侧凸诊断评估的首选成像方式。在X线图像中测量的Cobb角、椎体旋转度或Risser征是临床诊断评估脊柱侧凸的重要指标，这些指标对脊柱侧凸的发展趋势预测、脊柱分型，以及治疗方式的选择或矫治方案的规划都至关重要。由于X线图像中椎体影像重叠模糊，手工测量过程不仅烦琐而费时费力，还存在操作者误差。因此通过计算机自动测量这些指标，必将有助于对脊柱侧凸的诊断、评估和治疗。此外，这些常用指标均是基于二维X线图像提取的，而脊柱侧凸是三维畸形，因此通过计算机实现从常规脊柱X线图像重建三维脊柱模型，必将有助于医生更为直观、容易地对脊柱侧凸进行诊断评估。

随着人工智能技术的飞速发展，特别是深度学习方法的进步，医学影像评估领域发生了翻天覆地的变化。本书针对青少年特发性脊柱侧凸临床诊断评估存在的问题，基于深度学习提出了从X线图像中自动测量二维评估指标的方法，以及从脊柱正位相X线图像重建三维脊柱模型的方法，同时还提出了脊柱侧凸病例模型生成方法。全书共分6章。

第1章概述了青少年特发性脊柱侧凸的医学影像评估方法及其存在的问题，以及应用人工智能技术进行计算机辅助评估的意义。

第2章提出基于深度学习的脊柱X线图像Cobb角自动测量方法，包括基于U-Net模型的椎体分割方法。

第3章提出基于深度学习的脊柱X线图像椎体旋转度自动测量方法，包括基于HRNet模型进行多任务学习的椎体关键点检测和椎弓根影分割方法。

第4章提出基于深度学习的骨盆X线图像Risser征自动分级方法，包括基于Swin Transformer模型的髂骨区域特征提取方法。

第5章提出基于深度学习的脊柱正位相X线图像三维重建方法。

第6章提出基于变分自编码器的脊柱侧凸病例模型生成方法。

虽然本书所提出的方法是针对青少年特发性脊柱侧凸X线成像评估，但这些方法和技术还可以用于其他医学影像处理领域，诸如医学图像分割、关键点检测、特征提取、分类、三维重建和可视化、虚拟模型生成等。各章方法均已在Python开发环境下编程实现，读者可以登录华信教育资源网下载这些程序代码。由于人工智能技术（尤其是深度学习方法）在不断发展中，书中的相关技术可有进一步完善和改进，敬请读者提出宝贵意见和建议。

本书的相关研究得到国家自然科学基金（62063034，62463031）的资助。作者衷心感谢云南省第一人民医院骨科李宏键主任的支持，书中所用X线图像部分由云南省第一人民医院提供。

著者
2025年4月