一种基于深度学习的脊柱骨质疏松性骨折评估方法及系统

本发明提供一种基于深度学习的脊柱骨质疏松性骨折评估方法及系统，能提升脊柱脆性骨折风险评估的全面性与可解释性。本发明基于分层特征提取模块深度融合脊柱空间几何结构、影像学纹理特征及临床数据，突破了传统单模态分析的局限性；创新性地采用刚性边与柔性边相结合的双模式图神经网络结构建立，其中刚性边强制保持相邻椎体的解剖连接，柔性边量化跨节段椎体间的骨折风险级联效应；进一步结合多头图注意力网络，自适应捕获椎体间长距离全局交互关系，使高危椎体的风险信号沿高权重边向关联区域扩散，并通过可视化映射（如节点颜色表征风险等级、边连接强度反映椎体间相互影响系数）直观揭示关键风险椎体及其传导路径。