[发明专利]一种基于人工智能的脊柱畸形矫形预测方法、装置及终端

权利要求书

1.一种基于人工智能的脊柱畸形矫形预测方法，其特征在于，包括以下步骤：

获取训练样本集数据，所述训练样本集数据包括：术前术后对应胸弯和腰弯的Cobb角信息、冠状位偏移距、顶椎偏移距、手术置钉位置以及患者基础信息；

通过所述训练样本集数据对预设多种预测模型分别进行训练，获得训练结果；

基于所述训练结果，确定最佳预测模型；

基于所述最佳预测模型对目标患者脊柱畸形矫形进行预测。

2.根据权利要求1所述的基于人工智能的脊柱畸形矫形预测方法，其特征在于，所述通过所述训练样本集数据对预设多种预测模型分别进行训练，获得训练结果，具体为：通过所述训练样本集数据对双向长短时记忆模型、深度因子分解机模型、卷积神经网络模型、深度网络模型及融合模型分别进行训练，获得训练结果。

3.根据权利要求2所述的基于人工智能的脊柱畸形矫形预测方法，其特征在于，所述融合模型具体为：通过深度集成方法对双向长短时记忆模型、深度因子分解机模型、卷积神经网络模型、深度网络模型进行集成得到的模型，所述深度集成方法采用深度神经网络DNN模型、Adaboost模型、GBDT模型或Xgboost模型。

4.根据权利要求1所述的基于人工智能的脊柱畸形矫形预测方法，其特征在于，所述通过所述训练样本集数据对预设多种预测模型分别进行训练，获得训练结果，具体为：通过所述训练样本集数据对预设多种预测模型分别进行训练，获得每种预测模型的训练结果，其中，所述训练结果包括拟合曲线情况、Cobb角误差值及各误差区间的患者比例，所述Cobb角误差值为模拟Cobb角与实际Cobb角之间的差值。

5.根据权利要求4所述的基于人工智能的脊柱畸形矫形预测方法，其特征在于，所述基于所述训练结果，确定最佳预测模型，具体为：基于每种模型训练后得到的拟合曲线情况、Cobb角误差值及各误差区间的患者比例，确定最佳预测模型。

6.根据权利要求1-5任一项所述的基于人工智能的脊柱畸形矫形预测方法，其特征在于，所述术前术后对应胸弯和腰弯的Cobb角信息、冠状位偏移距、顶椎偏移距、手术置钉位置，具体为：将术前术后图片骶1椎体中点作为原点，将其与胸1椎体的竖直方向距离记作纵坐标的单位100，通过标注的12个胸椎、5个腰椎的中点位置得到每个椎体的坐标，测量得到胸弯和腰弯切线相交得到的夹角记作Cobb角，胸1椎体横坐标为冠状位偏移距，顶椎中点横坐标为顶椎偏移距，术后片中椎弓根螺钉对应椎体的位置为手术置钉位置。

7.一种基于人工智能的脊柱畸形矫形预测装置，其特征在于，包括：

数据获取模块，用于获取训练样本集数据，所述训练样本集数据包括：术前术后对应胸弯和腰弯的Cobb角信息、冠状位偏移距、顶椎偏移距、手术置钉位置以及患者基础信息；

训练结果获得模块，用于通过所述训练样本集数据对预设多种预测模型分别进行训练，获得训练结果；

模型确定模块，用于基于所述训练结果，确定最佳预测模型；

预测模块，用于基于所述最佳预测模型对目标患者脊柱畸形矫形进行预测。

8.一种基于人工智能的脊柱畸形矫形预测系统，其特征在于，包括：

数据获取模块，用于获取训练样本集数据，所述训练样本集数据包括：术前术后对应胸弯和腰弯的Cobb角信息、冠状位偏移距、顶椎偏移距、手术置钉位置以及患者基础信息；

训练结果获得模块，用于通过所述训练样本集数据对预设多种预测模型分别进行训练，获得训练结果；

模型确定模块，用于基于所述训练结果，确定最佳预测模型；

预测模块，用于基于所述最佳预测模型对目标患者脊柱畸形矫形进行预测。

9.一种终端，其特征在于，包括：

存储器和处理器；其中，所述存储器上存储有可供所述处理器执行的计算机程序；

当所述处理器读取并执行所述计算机程序时，使得所述处理器执行如权利要求1-6中任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序包含至少一段代码，所述至少一段代码可由处理器执行，实现如权利要求1-6中任一项所述的方法。