构建一种深度学习算法模型，使之可以实现X-ray影像的自动化mSASSS评分，以辅助AS诊疗。

收集2016年9月至2022年8月就诊于中国中医科学院广安门医院符合纳入标准的AS患者的X-ray影像数据，组成mSASSS评分数据集，将其按照8：2的比例划分训练集与测试集。采用YOLOv8目标检测模型，同时添加有效通道注意力机制。模型训练好后，将颈椎侧位图和腰椎侧位图输入至模型中，模型将自动检测各个锥体边缘，输出各处的目标框与相应的类别，输出的类别即为各处的mSASSS评分（0，1，2，3），汇总所有评分即为最终的mSASSS得分。

最终纳入数据完整的AS患者200例，分为训练集（160例）和测试集（40例）。完成训练后，颈椎侧位图模型的mAP可以达到91.5%，腰椎侧位图模型的mAP可以达到84.4%。模型性能达到了较高的水平，最终评分结果符合目前的临床标准，可以准确得出AS患者的mSASSS得分结果。随后，将我们的方法与其他目标检测方法进行对比。结果显示，我们的方法相较于其他方法取得了最优的性能。模型复杂度方面，其参数量为25.9M，计算量为78.9G，参数量与计算量控制在合理的范围内，满足实时性要求。

该模型能准确地得出AS患者的mSASSS评分结果，以反映患者的脊柱骨化程度以及病情进展情况，可有效辅助临床医生进行影像学判断，以辅助AS诊治，具有较高的临床应用价值。