导言：本成果已被Medical Image Computing and Computer Assisted Intervention (MICCAI) 2024会议接收，MICCAI作为医学图像领域的顶级会议，其收录的论文代表了该领域的前沿技术和创新思维。

脊柱侧弯是一种影响青少年身体和生活质量的复杂疾病。早期诊断对于有效治疗至关重要，但传统的诊断方法依赖于临床检查和放射学检查，这些方法不仅需要专业的临床知识，还涉及到辐射暴露，限制了其在早期筛查中的广泛应用。为了解决这一问题，我们团队开发了一种基于步态分析的非侵入性脊柱侧弯分类方法，这一创新技术有望彻底改变脊柱侧弯的筛查实践。

图1. 对Scoliosis1K数据集中(a)positive、(b)neutral、(c)negative样本的可视化。

图2. 提出的pipeline: 首先，在整个视频中跟踪参与者，并将非参与者实体（如临床医生）排除在外。然后，对参与者的轮廓进行分割。最后，ScoNet-MT根据步态模式对脊柱侧弯进行分类。

该研究工作提出了Scoliosis1K，这是首个为脊柱侧弯分类量身定制的大规模公共数据集，涵盖了超过一千名青少年个体的行走视频数据。利用这一数据集，开发了基于步态分析的ScoNet和ScoNet-MT模型。与传统的X光检查相比，该方法不仅非侵入性，还保护隐私，同时能够高效地进行大规模的早期筛查。该研究证明了步态可以作为脊柱侧弯的有效生物标记物，通过深度学习和计算机视觉，该方法在诊断准确性上取得了显著的成果，为非侵入性诊断方法树立了新的标杆。

未来，课题组继续扩大数据集的多样性，探索更多的生物标志物，并研究先进的时间建模技术，以进一步提高方法的准确性和实用性。课题组相信，通过不断的创新和研究，该工作将为脊柱侧弯的早期诊断和治疗提供有力的支持，特别是在资源有限的地区。

结语：研究的成果令人振奋，研究团队期待它在实际应用中所带来的积极变化，通过他们的努力，可以为脊柱侧弯患者提供更好的诊断和治疗服务。同时，他们也期待与全球的研究者和医疗专家共同推进这一领域的研究和发展。

论文题为Gait Patterns as Biomarkers: A Video-Based Approach for Classifying Scoliosis。该研究由南方科技大学于仕琪教授团队和安丰伟教授团队共同合作完成。该论文的共同第一作者为南科大计算机系2023级博士研究生周子睿和南科大计算机系2020级硕士研究生梁峻豪，通讯作者为我系于仕琪副教授，南方科技大学为论文第一单位。

于仕琪，南方科技大学计算机科学与工程系副教授，2002年于浙江大学竺可桢学院获得计算机科学与技术学士学位，2007年于中国科学院自动化研究所获得模式识别与智能系统博士学位。他的主要研究领域是步态识别和视觉目标检测。在步态识别方面，创建的CASIA-B步态数据库目前被作为本领域的评估标准，是使用最广泛的评估库之一；所创建的OpenGait开源项目已经成为步态识别领域主要的算法评估框架。在目标检测方面，人脸检测算法被世界排名前100及多家上市公司采用，同时也被众多的中小企业广泛使用。在遥感图像处理方面获2021年度广东省科学技术奖自然科学奖二等奖。他在IEEE TPAMI、IEEE TIFS、IEEE TBIOM、PR、CVPR、AAAI、ECCV、MICCAI、IJCB等发表论文近100篇。