免责声明：SpineNet既不是诊断工具，也不是医疗设备。它只能用于研究。

SpineNet是用于分析临床脊柱MRI扫描的自动化软件。当前功能包括：

1. 在矢状位切片MRI扫描中，在一系列常见序列（如T1、T2、STIR等）和视野（腰椎、颈椎、整个脊柱）中检测和标记椎体。
2. 对T12/L1到L5/S1的T2腰椎扫描中的每个椎间盘水平进行放射学分级，以了解一系列常见的退行性改变。

除了使用SpineNet检测和标记椎体和现有的放射分级外，您还可以使用代码库微调模型以执行其他分级。例如，我们之前已经将其用于检测脊椎骨折、马尾神经、强直性脊柱炎和其他疾病。

请注意，通过使用SpineNet，您同意我们的准入条款。除其他外，这禁止将SpineNet用于商业目的。如果您希望获得更宽松的SpineNet许可证，请联系我们。

SpineNet的文档可用在这里

运行SpineNet的最小python环境可以在中找到要求.txt并且可以安装使用

$python-m venv-spinenet-venv$source spinet-venv/bin/activate$pip安装-r要求.txt

克隆存储库并将根目录添加到PYTHONPATH，例如通过

$export PYTHONPATH=$PYTHON path:/path/to/SpineNet

首次使用SpineNet时，首先必须通过调用函数从VGG公共服务器下载权重

spinet.download_weights（verbose=True）

或重新下载：

spinet.download_weights（verbose=True，force=True）

有关使用SpineNet的指南，请参阅01-quickstart.ipynb（01-快速入门.ipynb）教程笔记本。

如果您在研究中使用SpineNet，请引用我们的技术报告，该报告可在arxiv上找到在这里

“SpineNetV2：临床MR扫描的自动检测、标记和放射分级”（2022年），Rhydian Windsor、Amir Jamaludin、Timber Kadir、Andrew Zisserman、，技术报告

您也可以引用我们在这方面的其他作品：

“全脊柱MRI中脊椎检测和标记的卷积方法”（2020年），Rhydian Windsor、Amir Jamaludin、Timber Kadir、Andrew Zisserman、，2020年医学图像计算和计算机辅助干预（MICCAI）.施普林格,ArXiv公司

“脊髓癌检测和放射分级的上下文软件变形金刚”（2022年），Rhydian Windsor、Amir Jamaludin、帝汶·卡迪尔、安德鲁·齐瑟曼，医学图像计算和计算机辅助干预（MICCAI）2022.ArXiv公司

“SpineNet:脊柱核磁共振成像中的自动分类和证据可视化”（2017），Amir Jamaludin，Timber Kadir，Andrew Zisserman，医学图像分析41，p63-73.

“2017年ISSLS生物工程科学奖：在无需人工干预的情况下，自动读取腰椎磁共振图像（MRI）的放射特征可与专业放射科医生媲美”，（2017）Amir Jamaludin、Meelis Lootus、Timber Kadir、Andrew Zisserman、Jill Urban、Michele C.Battié、Jeremy Fairbank、，Iain McCall和Genodisk Consortium，《欧洲脊柱杂志》26，第1374–1383页

我们感谢教程中使用的示例扫描的提供商（最初来自radiopedia.org网站).

• “t2_lumbar_scan_1”：案例由Frank Gaillard副教授撰写
• “t2_lumbar_scan_2”：案例由Henry Knipe博士撰写
• “stir_whole_spine”：Ian Bickle博士提供的案例

• 文档
• Pip安装
• 微调SpineNet分级网络的深入教程

我们一直在寻求扩展SpineNet，使其成为更有用的工具。如果您需要功能，请与我们联系。