Cobb角在脊柱侧弯的评价中起着重要作用,它可以有效定量描述脊柱侧弯的程度。准确地估计Cobb角在脊柱侧弯的诊断和治疗中有着极大需求。目前的传统手工方法对于临床脊柱侧弯评估存在诸多的问题,人工测量Cobb角非常耗时,测量结果还受到人为选择的影响,如不同的专家可能会选择不同的椎体作为基准。自动定量估计Cobb角解决了这一问题。然而,由于需要在前后(AP)和侧面(LAT)x光图像中识别出正确的椎骨,而AP和LAT图像上的信息很难同时被有效地利用,这导致了在椎骨识别中很难利用脊柱的三维信息,因此,要实现高精度的Cobb角的自动估计十分困难。为解决这一难题,本文提出了一种多视角外推网络(MVE-Net),可以在多视角(AP和LAT)的x光图像中做出精确的Cobb角的估计。MVE-Net由三个部分组成:(1)从AP和LAT图像的联合特征学习到地标,再使用一个联合视图网络来学习AP和LAT角,这个网络充分利用了脊柱结构的三维信息,同时学习了AP和LAT图像上的信息;(2)从AP或LAT图像特有的独立特征中学习到地标,再从一个独立视角网络来学习AP和LAT角,这个网络学习到了AP和LAT图像所反映的脊柱结构信息,避免了学习过程中AP和LAT图像上的错误信息所带来的相互干扰;(3)本文选择了两个控制函数,将这两个控制函数作为一个误差校正网络的损失函数,利用这个网络,自适应地学习一种关于前两种网络结果的组合函数,并以此来抵消其各自的误差,进而获得更准确的角度估计。通过对154名患者的526幅x光图像(AP和LAT图像各占一半)进行实验,结果表明,AP和LAT角的估计的平均圆绝对误差分别为7.81和6.26度,网络对于精度有明显提升,与其他最新的测量Cobb角度的方法相比,MVE-Net的测量效果也是最好的,这些结果证明了MVE-Net在多视角x光图像上Cobb角的精确测量上可以达到令人满意的结果。MVE-Net将为临床诊断提供一种有效的自动、准确、可靠的脊柱侧弯估计方法。