级联集成诊断模型

颈椎病自动诊断

通过级联架构融合椎体检测与退行性诊断，并利用多任务学习联合训练多个退行性指标，实现对颈椎病的快速且准确的自动诊断，其性能可与资深放射科医生相媲美。

Xinhang, Song · 李圆 · Ouyang, Hanqiang · 姚美意 · Tian, Shuai · Xing, Xiaoying · Zhou, Yan · Zhang, Enlong · Ni, Ming · 院援 · Li, Dasheng · 郎宁 · 姜亮 · 袁慧书 · 蒋树强

Nature Communications 2026

技术优势

无需明显病灶也能诊断

模型学习退行性变化的细微影像线索，而不是依赖肿瘤、骨折等明显病灶特征。

诊断速度大幅提升

自动分析流程避免了人工逐项测量，在保证性能可比的前提下显著缩短诊断时间。

多指标协同提升可靠性

多任务学习联合训练距离、位置等多个退行性指标，而不是只依赖单一指标。

应用场景

• 颈椎病辅助诊断：辅助医生从细微影像线索中发现退行性改变，减少漏诊。
• 医学图像自动分析：自动完成椎体检测和多项退行性指标测量，免去人工勾画。
• 远程医疗筛查：基层机构在缺乏资深医生时也能用模型获得快速筛查结果。