编辑推荐：
脊柱侧弯影响全球数百万儿童，传统测量 Cobb 角方法耗时耗力且误差大。研究人员开发基于深度学习的框架，用于全脊柱数字 X 线摄影（DR）图像 Cobb 角全自动测量。实验结果显示误差小、相关性高，为临床诊断提供有力支持。
脊柱侧弯（Scoliosis）是一种常见的脊柱畸形，在全球范围内影响着数百万儿童。Cobb 角作为评估脊柱侧弯患者的关键且被广泛认可的指标，是诊断的 “金标准”。然而，传统手动测量脊柱弯曲的方法既耗时又费力，还存在观察者内和观察者间的差异。此外，准确、稳定地评估 Cobb 角极具挑战性，因为这需要在全脊柱数字 X 线摄影（Digital Radiography，DR）的前后位（Anterior-Posterior，AP）和侧位（Lateral，LAT）视图中正确识别所有所需的椎骨。
为解决这些难题，研究人员开发了一种基于深度学习的框架，可从 AP 和 LAT 视图的全脊柱 DR 图像中全自动测量患者的 Cobb 角。首先，利用深度学习网络区分 AP 和 LAT 视图。接着，定位并提取整个脊柱的感兴趣区域（Region of Interest，ROI）。随后，应用检测网络检测并识别每个脊椎的边界、位置、类型以及四个角点。最后，自动测量 Cobb 角。在考虑椎骨的定位、识别和关键点检测时，采用带有卷积块注意力模块（Convolutional Block Attention Module，CBAM）的 YOLOv8 架构作为骨干网络。
研究共使用 1163 张 AP 视图和 1378 张 LAT 视图的 DR 图像来训练和评估模型。评估测试的实验结果显示，AP 视图 DR 图像的平均 Cobb 角误差为 2.56°，LAT 视图为 2.498°。AP 视图的组内相关系数（Intra - class Correlation Coefficient，ICC）为 0.956（95% 置信区间（Confidence Interval，CI）：0.932 - 0.972），LAT 视图为 0.925（95% CI：0.888 - 0.952）。AP 视图的皮尔逊相关系数为 0.961，LAT 视图为 0.930。在综合阅片研究中，对于主要弯曲，平均 Cobb 角误差为 3.918°，ICC 为 0.943（95% CI：0.912 - 0.965），且相关系数高达 0.960。
研究结果表明，所提出的框架在测量 Cobb 角方面具有显著的准确性和一致性优势，不仅验证了算法的有效性，还为临床医生的诊断提供了有力支持。
