目的 提出一种基于改进的AFFormer模型实现脊柱椎骨的准确分割，辅助医师快速诊断脊柱侧弯情况。方法 本文数据集为全脊柱正位X线影像，图像尺寸约为5 000×8 000,针对图像尺寸大、前景区域小背景区域大、受试者个体差异大但相同部位差异小的数据特点，使用轻量级语义分割模型AFFormer进行脊柱分割。针对深层特征图中损失大量细节信息的现象，在用像素语义对特征中的局部细节进行建模时，在原有的16维度特征图的基础上拼接一个支路输出8通道的特征图实现多尺度特征融合，从而学习到更多的细节信息。数据集为某医院临床的正位全脊柱X线影像146张，使用labelme工具对图片进行像素级注释后，按照8∶1∶1随机划分为训练集(117张)、验证集(15张)和测试集(14张)。训练网络时，使用交叉熵、Dice系数以及增加先验知识的自定义得分函数的加权和作为损失函数，来优化模型训练。在验证集上，使用平均交并比和平均准确度进行检验，进一步调整模型的超参数并初步评估模型从而选择表现最优的模型。结果 使用所提出的方法训练得到的模型在测试集上进行测试，取得了最高的mIoU值(0.867 8)、mAcc值(0.923 2)。结论 本文提出的方法经实验证明其分割性能优于现有的主流分割模型，能够实现脊柱椎骨的精确分割，为辅助脊柱医学诊断提供坚实基础。