[发明专利]一种基于深度学习的脊柱侧弯筛查方法

说明书

本发明公开了一种基于深度学习的脊柱侧弯筛查方法，此方法可从技术上简化筛查流程、提高筛查准确率，减少人力、物力成本，为全面实现脊柱侧凸筛查提供强有力的技术支撑；同时在一定程度代替X光片对脊柱侧凸进行进展监测和治疗效果评估，减少X线辐射，具有广阔的临床应用前景和社会经济价值，此方法可以直接将从任何终端获取的脊柱图像输入模型进行预处理，再利用深度学习模型判别是否存在脊柱畸形并评价其严重程度，最终给出风险报告及医疗建议，本发明用于脊柱侧弯筛查领域。

技术领域

本发明属于脊柱侧弯筛查领域，更具体而言，涉及一种基于深度学习的脊柱侧弯筛查方法。

背景技术

脊柱侧凸是一种致残性致死性畸形，文献报道其发病率为2％～4％，其中以特发性脊柱侧凸(Idiopathic scoliosis，IS)最为常见，且70％～80％好发于青春期的中小学生。

由于该病病因不清、发病隐匿，早期常无明显临床症状，且现中学生以独立生活或住校居多，家长、学校及基层医院也往往因认识不足难以及时发现，导致很多学生错过宝贵的黄金治疗时机。同时，由于青少年处于生长发育高峰，畸形极易进展，引起外观畸形、疼痛和脏器功能障碍，严重影响学生身心健康，如未能及时发现和治疗，侧凸进展至45°以上往往需要手术治疗，给家庭和社会带来沉重负担，更严重的是患者术后脊柱活动功能将永久丢失。

申请人团队前期对广州市99695名中小学生脊柱侧凸筛查数据分析，发现其患病率达5.14％，明显高于国际报道，然而在确诊患者中99.7％仅需保守治疗就可获得脊柱侧凸病情的控制和好转。我国青少年人口基数大(约1.8亿)，据此计算全国的青少年脊柱侧凸人群将高达900万。因此，开展脊柱侧凸学校筛查具有巨大的临床价值和社会、经济意义，也符合“健康中国2030”规划纲要中“早诊断、早治疗、早康复”的疾病预防理念。

但传统的脊柱侧凸筛查需要大量的人力物力，并且筛查阳性预测率低，致使大量非侧凸患者接受不必要的放射线辐射，且大规模筛查后续的就诊咨询及保守治疗困难，现行国内外的筛查方法已无法满足大规模脊柱侧凸筛查需求。

目前有文献报道将红外热像体位检查以及超声检查用于特发性脊柱侧凸的筛查可有效减少X光片的辐射，但这两种方法仍存在着设备费用价格昂贵、准确率低、检查人员技术要求高、设备难以在大规模筛查现场使用等限制，故难以开展大范围筛查。超声测量和X线片测量Cobb角具有一定相关性，但与传统的X线片Cobb角测量方法相比，超声角度基于不同的标志点，不能准确反映Cobb角，前者较后者小15％～37％，同时设备贵重，难以在大规模脊柱侧凸筛查现场使用。红外热像体位检查根据脊柱侧凸患者与非脊柱侧凸患者椎旁肌不对称活动，区别椎旁肌活动的温度差异，仅适用于对脊柱侧凸做定性研究，同时存在着较高的假阴性及假阳性率，仍不能满足大范围筛查的要求。

故鉴于目前各种脊柱侧凸筛查新技术的瓶颈限制，寻求一种更为简易、高效、廉价、无创伤辐射的筛查方法具有重要意义。

发明内容

本发明的主要目的在于提供一种基于深度学习的脊柱侧弯筛查方法，可自动分析获取到的人体外观照片并进行脊柱侧弯筛查分类，提高了筛查效率，大大降低了人群受到的无效辐射，解决大规模脊柱侧弯筛查难以施行的困境。

根据本发明的第一方面实施例，提供了一种基于深度学习的脊柱侧弯筛查方法，其特征在于，包括以下步骤：

1)、采集入组人群的2-D体表扫描模型和3-D影像资料，并进行定义和标签；

S2、基于研究个体的2-D体表扫描模型中的主弯Cobb角测量结果，对所述研究个体的3-D影像资料进行标签化处理，将所述3-D影像资料中非结构化的背部外观图像信息转为可供计算机读取和理解的结构化数据，将所述结构化数据导入数据开发软件进行处理，最终建立结构化医学图像的通用型数据库；

S3、采用卷积神经网络模型对需要进行筛查的人员的2-D体表扫描模型和3-D影像资料进行分割；