蒋科2026·融合惯性传感器与神经网络模型的脊柱侧弯无创智能评估系统（技术验证 n=112·人类工效学）
· 青少年特发性脊柱侧弯 AIS 脊柱侧弯 无创检测 惯性传感器
研究概况：研究基于空军军医大学北京中心单中心112例，距真实学校/社区大规模筛查场景还有距离。
研究概况
青少年特发性脊柱侧弯（AIS）的诊断与监测依赖X线/EOS成像，面临累积辐射风险。现有无创技术（三维超声低估Cobb角、躯干旋转测量仪无冠状面信息、表面形貌设备成本高、背部图像+AI依赖图像质量）均存在局限性且大多通过间接方式推断脊柱形态。本研究开发了一款基于惯性测量单元（IMU）+里程计的便携式脊柱侧弯检测仪，结合CNN+ANN融合神经网络模型，实现Cobb角、主弯位置和侧弯分型的无创量化评估。 **硬件设计：** 便携式脊柱侧弯检测仪采用上部圆弧曲面设计、底部浮动轮结构确保贴合皮肤。核心为高精度IMU（三轴陀螺仪+加速度计+磁力计）+光电编码器式里程计，数据通过蓝牙传输至终端分析软件。 **数据采集：** 112例AIS受试者（女性95/男性17，年龄14.5±2.1岁，身高162.3±7.5cm，体重48.6±9.2kg，BMI 18.4±2.8kg/m²，主Cobb角28.7±11.5°，范围10.2°~65.4°）。金标准为全脊柱EOS影像。 **模型架构：** CNN提取背部点云空间特征（局部几何特征+脊柱形态）→ ANN整合CNN特征与年龄/性别/身高/体重/BMI等临床参数→ 全连接层融合映射。数据集按70%训练/15%验证/15%测试划分（前期基础150例+前瞻性112例中部分数据）。 **验证方式：** 观察者内/间可靠性（ICC）、与EOS金标准相关性（Pearson r）、独立测试集模型性能。
🤔 常见问题
❓ 关于青少年特发性脊柱侧弯的最新研究发现是什么？
研究概况：研究基于空军军医大学北京中心单中心112例，距真实学校/社区大规模筛查场景还有距离。
❓ 这项研究是如何设计的？
青少年特发性脊柱侧弯（AIS）的诊断与监测依赖X线/EOS成像，面临累积辐射风险。现有无创技术（三维超声低估Cobb角、躯干旋转测量仪无冠状面信息、表面形貌设备成本高、背部图像+AI依赖图像质量）均存在局限性且大多通过间接方式推断脊柱形态。本研究开发了一款基于惯性测量单元（IMU）+里程计的便携式脊柱侧弯检测仪，结合CNN+ANN融合神经网络模型，实现Cobb角、主弯位置和侧弯分型的无创量化评估。 **硬件设计：** 便携式脊柱侧弯检测仪采用上部圆弧曲面设计、底部浮动轮结构确保贴合皮肤。核心为高精度IMU（三轴陀螺仪+加速度计+磁力计）+光电编码器式里程计，数据通过蓝牙传输至终端分析软件。 **数据采集：** 112例AIS受试者（女性95/男性17，年龄14.5±2.1岁，身高162.3±7.5cm，体重48.6±9.2kg，BMI 18.4±2.8kg/m²，主Cobb角28.7±11.5°，范围10.2°~65.4°）。金标准为全脊柱EOS影像。 **模型架构：** CNN提取背部点云空间特征（局部几何特征+脊柱形态）→ ANN整合CNN特征与年龄/性别/身高/体重/BMI等临床参数→ 全连接层融合映射。数据集按70%训练/15%验证/15%测试划分（前期基础150例+前瞻性112例中部分数据）。 **验证方式：** 观察者内/间可靠性（ICC）、与EOS金标准相关性（Pearson r）、独立测试集模型性能。
❓ 这项研究对临床实践有什么意义？
**对中国患者适用性：** 低（纯研究阶段/单中心验证）。研究基于空军军医大学北京中心单中心112例，距真实学校/社区大规模筛查场景还有距离。关键路径：外部多中心验证→前瞻性筛查队列研究→医疗器械注册（二类/三类）→临床指南推荐。
📊 关键数据
| 观察者内ICC | 数值=0.86 | |
| 观察者间ICC（操作者A） | 数值=0.77 | |
| 观察者间ICC（操作者B） | 数值=0.81 | |
| 设备Cobb角 vs EOS金标准相关系数r | 数值=0.76（P<0.001） | |
| 主Cobb角预测 | 指标=MAE | 数值=3.5° |
| 主Cobb角预测 | 指标=RMSE | 数值=4.8° |
| 主弯位置预测 | 指标=准确率 | 数值=92.5% |
| 主弯位置预测 | 指标=精确率 | 数值=0.93 |
| 主弯位置预测 | 指标=召回率 | 数值=0.92 |
| 侧弯分型预测 | 指标=准确率 | 数值=89.7% |
🏥 临床意义
**对中国患者适用性：** 低（纯研究阶段/单中心验证）。研究基于空军军医大学北京中心单中心112例，距真实学校/社区大规模筛查场景还有距离。关键路径：外部多中心验证→前瞻性筛查队列研究→医疗器械注册（二类/三类）→临床指南推荐。
⚠️ 研究局限性
- ⚠️ ⚠️ **单中心验证，无外部验证集：** 所有数据来自同一机构（空军军医大学），模型在不同地区/不同设备采集条件下的泛化能力未检验
- ⚠️ ⚠️ **样本量有限：** 112例真实验证+150例历史数据，对于深度学习模型而言训练数据量偏小（特别是CNN需要大量空间形态样本）
- ⚠️ ⚠️ **测试集规模小：** 按15%划分约17~30例独立测试集，评估稳定性受样本量限制
- ⚠️ ⚠️ **未与其他无创设备（三维超声、DIERS等）直接对比：** 报告中称"性能优于或相当于现有无创技术"但未提供头对头对比数据
- ⚠️ ⚠️ **无前瞻性临床验证：** 当前仅在研究环境下验证，未在真实学校/社区筛查场景中评估设备易用性、操作者培训要求、不同体型/体位的鲁棒性
📖 信息来源：蒋科，朱志斌，张小雪，郭中正，张宏遒，桂春梅，杨明浩. 融合惯性传感器与神经网络模型的脊柱侧弯无创智能评估系统[J]. 人类工效学，2026，32(1)：65-68. DOI: 10.13837/j.issn.1006-8309.2026.01.0010