中国中医科学院望京医院（中国中医科学院骨伤科研究所）

本申请提供了颈椎关键点检测方法、装置、电子设备及存储介质，应用于图像处理技术领域，所述方法包括：将颈椎图像数据输入到预先训练的深度学习模型中，利用深度学习模型的编码器对颈椎图像进行处理得到第一图像特征；其中，编码器包括双池化通道注意力模块，双池化通道注意力模块包括第一分支结构、第二分支结构及融合结构，第一分支结构用于提取全局语义特征，第二分支结构用于提取局部空间特征，融合结构用于对全局语义特征及局部空间特征进行融合并进行后续处理从而得到第二图像特征；第一图像特征基于第二图像特征得到；利用深度学习模型的解码器对第一图像特征进行处理，得到各颈椎关键点的位置，能够提高颈椎关键点检测的准确度。

本发明提供一种基于多模态的腰椎整体监测系统，涉及生物医学工程及运动监测技术领域，包括：布设于T12‑S1椎体双侧的HD‑sEMG阵列，用于监测竖脊肌与腰方肌的肌电信号；置于L3‑L4棘突的压电传感器，用于检测肌筋膜动态张力；分布于T12‑L1棘突间、L3‑L4棘突间及S1棘突的三个IMU传感器组，分别检测胸腰段屈伸/侧倾角、腰椎旋转扭矩及骨盆倾角基准；数据融合模块，处理多源传感数据并驱动OpenSim腰椎模型逆向计算深层肌肉活动度，深层核心肌群量化：融合表面肌电的时空特征、筋膜张力梯度及关节运动学参数，逆向推演髂腰肌(psoas)、多裂肌(mu lt ifidus)等深层稳定肌的激活强度与生物力学负载率，计算误差较传统间接估算法降低60％以上。