基于ResNet系列网络，利用骶髂关节CT影像构建AS骶髂关节病变分级模型，以辅助AS早期诊治。

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患者的骶髂关节CT影像数据，将数据按照8：2的比例划分训练集与测试集，利用ResNet系列网络，构建AS骶髂关节病变分级模型，模型分为3个步骤：图像预处理、任务评估和层次结构设计，通过以上步骤得到分级结果，最终分为0级、1级、2级、3级和4级共5级。

最终纳入数据完整的AS患者310例，分为训练集（247例）和测试集（63例）。最终分级结果符合目前的临床分级标准，可以将AS骶髂关节病变分为5个等级。分级性能达到较高的水平，其中准确度为0.863，单个类别精确度分别为0级0.827、1级1.0、2级0.8、3级0.833和4级0.952，召回率分别为0级0.977、1级0.733、2级0.5、3级0.926和4级0.909，特异性分别为0级0.888、1级1.0、2级0.981、3级0.948和4级0.99，AUC分别为0级0.98、1级0.95、2级0.76、3级0.97和4级0.95，混淆矩阵显示了分级结果中五个等级可以清晰分离。

该模型可准确得出AS骶髂关节病变分级结果，以更准确的反映患者目前的病情，可有效辅助临床医生进行影像学判断，以协助AS临床诊治，具有较高的临床应用价值。