一种基于人工智能的脊柱畸形矫形预测方法、装置及终端.pdf

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 111341450 A (43)申请公布日 2020.06.26 (21)申请号 202010135010.1 G06N 3/04(2006.01) G06N 3/08(2006.01) (22)申请日 2020.03.01 (71)申请人 海军军医大学第一附属医院第二军 医大学第一附属医院上海长海医院 地址 200000 上海市杨浦区长海路168号、 虹口区东江湾路15号 申请人 上海医米信息技术有限公司 (72)发明人 杨长伟　陈锴　杨明园　翟骁　 周田俊克　李明　陈婕　卞景贺　 孙玉龙　张晓桐　谭巍　张朝武　 (74)专利代理机构 昆明合众智信知识产权事务 所 53113 代理人 钱磊 (51)Int.Cl. G16H 50/50(2018.01) 权利要求书2页 说明书9页 附图9页 (54)发明名称 一种基于人工智能的脊柱畸形矫形预测方 法、装置及终端 (57)摘要 本发明公开了一种基于人工智能的脊柱畸 形矫形预测方法、装置及终端，涉及人工智能技 术领域，该方法包括：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。本发明提供的基于人工智能的脊 柱畸形矫形预测方法、装置及终端，可以提高脊 A 柱畸形矫形预测的准确性，指导临床医生获得最 0 佳的置钉策略。 5 4 1 4 3 1 1 1 N C CN 111341450 A 权　利　要　求　书 1/2页 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