在家中使用手机捕获的背影照片进行脊椎病的智能评估方法

科学领域:

• 生物医学工程 生物医学工程
• 计算机视觉 计算机视觉
• 整形外科 整形外科 整形外科

背景情况:

• 对于大规模使用和动态康复监测来说,传统的X射线查对脊椎病是不切实际的.
• 需要一种非侵入性的,可访问的方法来评估脊椎病.

研究的目的:

• 开发和验证一种基于计算机视觉的方法,用于使用手机背部图像评估脊柱曲率.
• 量化脊柱偏差在冠状和斜面平面,并测量干部旋转.

主要方法:

• 使用YOLOv8关键点检测用于脊柱冠状曲率分类.
• 开发了一种算法来量化脊柱冠状平面偏差,使用后面的关键点.
• 实现了多级自动峰值检测 (AMPD) 算法,以测量干旋转 (ATR 角度) 的斜面平面偏差.

主要成果:

• 拟议的方法在分类脊椎形类型和量化脊柱偏差方面表现出高准确性.
• 使用公共和临床数据集的性能评估显示,与现有的深度学习算法相比,其效率更高.
• 该系统成功地将手机图像分析与X射线数据相关联.

结论:

• 这种计算机视觉方法提供了一个准确而有效的替代方案来评估脊椎病.
• 该方法适用于初始查和康复期间的动态监测.
• 基于手机的分析为治疗脊椎病提供了一个有希望的,易于使用的工具.