摘要：目的探讨一种基于支持向量机(SVM)构建的椎弓根螺钉钉道完整性超声图像鉴别与验证方法。方法利用4例新鲜尸体胸腰椎标本预建立钉道50个并获取椎弓根螺钉钉道超声图像,选取800张图像(钉道完整与破损的样本各400个),采用五折交叉验证的方法对样本进行数据扩增,得到样本集,建立对超声图像进行智能分析的人工智能辅助诊断模型。具体方法如下:首先,采用图像增强的方法得到易于计算机判断和识别的超声图像,然后将图像的纹理特征作为第一类特征,采用SVM模型对完整和破损样本的初始分类模型进行搭建;其次,采用灰度分布得到用于区分前景和背景的阈值T,并通过设计的损失函数得到钉道同心圆的半径R;最后,将同心圆外部图像的熵、方差、对比度、能量、平均绝对偏差作为第二类特征,进行轻微破损样本和完整样本的二次分类模型搭建。采用准确度、特异度、灵敏度、F1值、假正率和假负率对分类结果进行评估。结果初始分类的准确度为74.75%,特异度为68.00%,灵敏度为81.50%,F1值为76.35%,假正率为32.00%,假负率为18.50%。二次分类前计算得到阈值T为37,最佳半径R为108像素。二次分类的准确度为94.25%,特异度为91.00%,灵敏度为97.50%,F1值为94.43%,假正率为9.00%,假负率为2.50%。二次分类与初始分类相比准确度提升19.50%。结论基于SVM的人工智能辅助诊断模型能够提高椎弓根螺钉钉道破损超声图像的判断能力。