颈捷——基于卷积神经网络的多模态颈椎病医疗影像诊断系统

简介

颈椎病已经成为威胁人类健康的常见病和多发病之一，我国患者基数庞大，约有1.6亿人患有颈型颈椎病，且逐渐呈年轻化趋势。而颈椎曲度异常改变是各型颈椎病早期最常见的X线表现，这一特征有助于颈椎病患者的早期预防、诊断与治疗。但目前对于颈曲测量方法大多基于医学图像的人工判断，工作量较大，虽能直观得出颈椎曲度的基本改变形式，但是不能准确给出颈曲改变后的一些重要参数指标值。本项目正是基于上述痛点，结合目前医工结合的热点技术——人工智能（AI），基于卷积神经网络模型进行深度学习颈椎曲度的关键标记点，通过采用坐标分类的关键点检测方法（SimCC），融合多模态医疗影像，构建颈椎生理曲度算法，研发出一款颈椎曲度自动识别与测量的辅助诊断系统。将人工智能模型的读片结果与人工测量结果进行对比，并持续优化和校正模型，构建基于卷积神经网络融合多模态医疗影像的研究技术，建立符合颈椎曲度测量的智能软件和人工智能（AI）模型数据库，达到颈椎曲度自动化测量并提高检测率的临床价值，为进一步的临床研究及治疗体系的确立打下基础。利用人工智能深度学习得出颈曲变化的具体参数，为临床颈椎X线的曲度测量与分型提供理论依据和技术支持，为临床颈椎病的预防、诊断及治疗提供理论依据，从而能更好地指导临床。本项目与市场现存的传统颈曲基础测量、颈曲测量器、引导槽式颈椎曲度测量仪等竞品相比，有着简单便利、精准度高的优势，并经过前期市场调研，计划以23751家基层医院、10000余家体检机构以及72家独立影像诊断中心为目标市场，在未来继续丰富数据库匹配数据，识别功能扩展到颈椎X线片过屈位、过伸位角度测量，逐步实现评估患者颈椎曲度变化情况，根据患者情况，量身定制符合其需求的矫正器具，跟踪康复进展，最终实现个性化医疗服务。为临床医生诊断、康复治疗及二级甲等医院以下影像科医生的诊断能力提升提供重要的技术支持与降低学习曲线的保障，更好地促进医疗卫生事业的发展。