目的 青少年特发性脊柱侧弯(adolescent idiopathic scoliosis, AIS)是危害青少年健康的常见疾病之一。临床上，X线图像Cobb角测量法是评估患者脊柱侧凸严重程度的“金标准”。由于X线图像中肋骨和骨盆阴影重叠以及椎骨形态差异等因素影响，人工测量在寻找关键点时步骤复杂且耗时长，快速且准确的Cobb角自动测量方法具有重要临床应用价值。现有深度学习方法中基于分割的方法易受图像质量影响；基于关键点检测方法过于关注局部特征提取导致定位不准确等问题。为此，本文提出了一种以椎骨为中心的标志点检测方法，来实现脊柱侧弯Cobb角自动估计算法。方法 构建一种基于融合多尺度和注意力机制M型椎骨检测网络(multi-scale attention M-shaped network, MSAM-Net)。首先，使用多尺度金字塔拆分注意力(multi-scale pyramids squeeze attention, MPSA)模块和注意力特征融合(attentional feature fusion, AFF)模块提取椎骨特征和上下文信息，然后，根据椎体中心和角偏移量定位4个角标志...