摘要
本发明涉及医学影像技术领域,公开了一种基于深度学习的脊柱椎间融合检测装置及方法,旨在解决现有的椎间融合检测方法存在准确性较差问题,方案主要包括:获取患者的脊柱图像;基于深度卷积神经网络模型对脊柱图像进行图像识别和分割,得到脊柱图像中的第一骨桥图像及其相邻的上节椎体图像和下节椎体图像;根据第一骨桥图像及其相邻的上节椎体图像和下节椎体图像并基于对抗生成网络模型生成该患者的脊柱愈合图像,并确定脊柱愈合图像中的第二骨桥图像;确定第一骨桥图像与第二骨桥图像的相似度,并根据相似度确定患者的脊柱椎间融合状态。本发明提高了椎间融合检测的准确性,同时还能够预测愈合趋势和愈合时间,特别适用于脊柱融合手术后的患者。