基于深度学习方法研究产后骨盆带疼痛动静态肌骨图像自动识别体系的构建及验证

本课题采用深度学习方法，通过四维超声设备，采集产后骨盆带疼痛患者动静态下核心肌群的超声形态参数图像，以及剪切波弹性成像；并采集静态下的骨盆正侧位 X 线片。依据深度学习传统的 U-Net 模型，进一步设计新型、改进的神经网络模型，以构建最佳的图像自动测量评估体系。同时，探寻骨盆带疼痛在肌骨功能障碍的具体特征以及挖掘相应的敏感性指标，可促进后续康复评估和干预选择的优化和临床效益的提高，为此类人群实现精准评估和整体康复提供理论依据和客观评估手段。